机器学习-单层感知器不能实现异或运算的原因

模拟逻辑运算时，感知器的公式是这样的：
y(x1,x2)=f(ω1∗x1+ω2∗x2−θ)y(x1,x2)=f(ω1∗x1+ω2∗x2−θ)y(x1,x2)=f(ω1∗x1+ω2∗x2−θ)
其中x是输入的值只能取0或1
ω是对应的权值
θ是偏移量
y是输出，y>=0为真，小于0为假

也就是说，这个感知器通过学习ω1，ω2，θ的值来学习逻辑运算。

如果我们要这个感知器进行异或运算，就需要它在x1，x2相同时y小于0，不相同时大于等于0；
也就是符合以下方程组：
ω1+ω2−θ＜0ω1 + ω2 - θ ＜ 0ω1+ω2−θ＜0
ω1+0−θ≥0ω1 + 0 - θ ≥ 0ω1+0−θ≥0
0+0−θ＜00 + 0 - θ ＜ 00+0−θ＜0
0+ω2−θ≥00 + ω2 - θ ≥ 00+ω2−θ≥0
整理得到：
ω2 ≥ θ
0 < θ
ω1 ≥ θ
ω1+ω2<0

再整理：
0 > ω1+ω2 ≥ 2θ > 0

很明显这个式子不成立，ω1+ω2和θ都不能即大于0又小于0

所以这个函数是不能模拟异或运算的，那么采用这个函数的感知器自然也不能模拟异或运算。

机器学习-单层感知器不能实现异或运算的原因相关推荐

神经网络 | 网络优化-线性神经网络-delta学习规则-梯度下降法（单层感知器-异或问题Python源代码）
===================================================== github:https://github.com/MichaelBeechan CSDN: ...
机器学习/深度学习测试题（一） —— 单层感知器的激活函数
问,更换单层感知器的激活函数(比如改为 tanh\tanh 函数),能否使模型具有解决非线性分类问题的能力. tanh(s)=exp(s)−exp(−s)exp(s)+exp(−s) \tanh(s) ...
为什么在反向传播中感知器初始值不能为0_深度学习理论分享之——单层感知器简述...
1单层感知器概述单层感知器(Single Layer Perceptron)是最简单的神经网络.它包含输入层和输出层,而输入层和输出层是直接相连的.单层感知器属于感知器中最简单的一种分类器,属于机器学 ...
深度学习（神经网络）[1]——单层感知器
深度学习(神经网络)[1] -- 单层感知器算法描述 python实现示例运行结果可视化算法描述最原始的神经网络模型,类似于神经网络中的单个神经元,该算法局限性也很大,只适用于解决线性可分的 ...
神经网络算法-论证单层感知器的局限性
神经网络算法-论证单层感知器的局限性今天课上学习了一个思路将真值表转换到平面直角坐标系中来论证线性可分还是不可分,挺有意思记录一下. 简单感知器模型实际上仍然是MP模型的结构,但是它通过采用监督 ...
MP模型、单层感知器、多层感知器的理解
神经网络基础序言 MP模型 1.逻辑与: 2.逻辑或: 3.逻辑异或: 单层感知器多层感知器(BP) 序言关于神经网络的内容已经学习了很多,也发现了一些问题,而这些问题是因为基础不牢靠引起的,所 ...
单层感知器python_多层感知器背后的概念及Python实现
机器学习正在成为数据科学中最具革命性的技术之一,它允许我们发现特征之间的非线性关系,并使用它来预测新的样本.机器学习中最简单的体例之一是多层感知器.在本文中,我将讨论多层感知器背后的概念,并向您展示如 ...
单层感知器python_感知器及其在Python中的实现
本文涵盖以下主题: 什么是感知器?算法.Python实现.局限性. 什么是感知器? 生物神经元示意图感知器的概念类似于大脑基本处理单元神经元的工作原理.神经元由许多由树突携带的输入信号.胞体和轴突携 ...
从单层感知器到深度学习以及深度学习必知的框架
从单层感知器到深度学习以及深度学习必知的框架一单层神经网络(感知器) 1.结构下面来说明感知器模型. 在原来MP模型的"输入"位置添加神经元节点,标志其为"输入单元 ...
深度学习--TensorFlow （2）单层感知器2 -- 实现多数据分类
目录一.基础理论前向传递(得到输出y) 反向传递(更新权重w) 二.实现多数据分类 1.设置初始参数 2.训练 3.画图 3-1.画点 3-2.画线段总代码一.基础理论这里只写公式,更加详细 ...

机器学习-单层感知器不能实现异或运算的原因

机器学习-单层感知器不能实现异或运算的原因相关推荐

最新文章

热门文章