问用函数链神经网络求解奇偶3分类？
EN

Stack Overflow用户

提问于 2016-02-14 11:14:57

回答 1查看 527关注 0票数 0

我试图用函数链接神经网络来解决3位奇偶问题(Pao,1988)。我正在执行反向传播以更新权重，并使用Pao提出的外部产品模型扩展输入。x1、x1x2、x1x3、x2x3、x1x2x3是如下所示的输入：

学习速度0.01，动量0.1，传递函数.

但是，经过1000次迭代，权重仍然不能正确地分类。对于1,1,1和0,0,0输入，FLNN失败。如果有任何改进结果的想法，我会非常感激的。

回答已采纳

发布于 2016-02-19 14:00:13

使用感知器学习规则解决了这个问题。

W_new = W_old + learning_rate *错误*输入

，而不是使用本文中提到的广义增量规则。在学习速率为.9的情况下，它在100次迭代内收敛，而隐层神经网络约需1000次迭代。

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/35391094

复制

相似问题

问用函数链神经网络求解奇偶3分类？EN