使用函数 link 神经网络解决奇偶校验 3 分类问题？
Solving the parity 3 classification using functional link neural network?
我正在尝试使用函数 link 神经网络 (Pao,1988) 解决 3 位奇偶校验问题。我正在执行反向传播以更新权重并使用 Pao 提出的外积模型扩展输入，即。 x1,x1x2,x1x3,x2x3,x1x2x3是输入如下图：
学习率 0.01，动量 0.1，传递函数 log-sigmoid。
但是在 1000 次迭代之后，权重仍然无法正确分类。 FLNN 对 1,1,1 和 0,0,0 输入失败。如果有任何改进结果的想法，我将不胜感激。
问题已使用感知器学习规则解决
W_new = W_old + learning_rate * error * input
，而不是使用论文中提到的广义delta规则。学习率为 0.9，它在 100 次迭代内收敛，而具有隐藏层的神经网络需要大约 1000 次迭代。
我正在尝试使用函数 link 神经网络 (Pao,1988) 解决 3 位奇偶校验问题。我正在执行反向传播以更新权重并使用 Pao 提出的外积模型扩展输入，即。 x1,x1x2,x1x3,x2x3,x1x2x3是输入如下图：
学习率 0.01，动量 0.1，传递函数 log-sigmoid。
但是在 1000 次迭代之后，权重仍然无法正确分类。 FLNN 对 1,1,1 和 0,0,0 输入失败。如果有任何改进结果的想法，我将不胜感激。
问题已使用感知器学习规则解决
W_new = W_old + learning_rate * error * input
，而不是使用论文中提到的广义delta规则。学习率为 0.9，它在 100 次迭代内收敛，而具有隐藏层的神经网络需要大约 1000 次迭代。