人工神经网络拓扑答案

【问题标题】：Artificial Neural Network Toplogy人工神经网络拓扑
【发布时间】：2017-10-10 20:55:23
【问题描述】：

我目前正在尝试修改我的期末考试并遇到了这个问题，我在我的演讲幻灯片中到处寻找任何帮助，但找不到任何帮助。在提供有关如何解决此问题的见解方面的任何帮助将不胜感激（我不只是要求答案，我需要理解该主题）。此外，我是否假设所有输入都等于 1？我是否在输入层中包含 7 个输入？我不知道如何回答。

问题如下：

b) 确定可以学习以下数据集的人工神经网络的最简单类型和拓扑（即神经元和层数），并有正当理由。

Click here for picture of the dataset.

【问题讨论】：

请将问题描述放入问题中。如果绝对无法用文字描述，请使用图像。请不要让我们去另一个网站查看问题。
@lit 我的个人资料限制我包含嵌入的图像，该链接只是提供图像。
那是一个简单的数据集；将其包含为文本。

标签： machine-learning neural-network artificial-intelligence

【解决方案1】：

如果我没记错的话，您有两个输入 X1、X2 和一个目标输出。对于由两个数字 X1、X2 组成的每个输入，都会给出适当的输出（“目标”）。

第一步，您可以画出七个数据点 - 只需在正方形 (X1, X2) ∈ [0, 1.05] × [0, 1] 的正确位置绘制 3 个 1 和 4 个 0。也许您还记得讲座中类似的内容，可能提到了“XOR”。

【讨论】：

【解决方案2】：

编辑队列已满，请在此处添加链接图像中的数据

Pattern X1  X2  Target  
1   0.01    -0.1    1   
2   0.90    0.09    0   
3   0.89    -0.05   0   
4   1.05    0.95    1   
5   -0.01   0.12    0   
6   1.05    0.97    1   
7   0.98    0.10    0

看起来 1 个可能的解决方案是 X1 >= 1.0 OR X2

或者，如果您将 X1 和 X2 中的每一个四舍五入，则变为

Pattern X1  X2  Target  
1   0   0   1
2   1   0   0
3   1   0   0
4   1   1   1
5   0   0   0
6   1   1   1
7   1   0   0

然后IS XOR，解是round(X1) XOR round(X2)。在这种情况下，您可以使用 1 个激活层（如圆形、RELU、sigmoid、线性）、2 个神经元的 1 个隐藏层和 1 个神经元的 1 个输出层。

See this stackoverflow post for a detail of how to solve XOR with a neural net.

【讨论】：