从零开始的 MATLAB 感知器 - OR 函数

Question

第一次提问

我正在自学神经网络，目前正在尝试编写感知器算法。我想为 OR 功能训练它，但它不起作用。我完全不知道我做错了什么，互联网上没有不使用工具箱的解决方案。

input = [0 0; 0 1; 1 0; 1 1]%input vector
num_in = 4;% number of iterations
desired_out = [0;1;1;1] %desired output
bias = -1; %bias
w=zeros(2,1); %weight vector, initially zero
iterations = 100; % number of iterations to go through

for i = 1:iterations
     out = zeros(4,1);
     for j = 1:num_in %go per row of x
          y = bias+input(j,1)*w(1,1)+input(j,2)*w(2,1) %sum
          if(out(j,1)~=desired_out(j,1))  % modify weights and bias if mismatch exists
             bias = bias+desired_out(j,1);
             w(1,1) =w(1,1)+input(j,1)*desired_out(j,1);
             w(2,1) = w(2,1)+input(j,2)*desired_out(j,1);
          end
     end
end
out %print the output

Answer 1

我不知道您使用的是哪种感知器算法，但我认为 the one on Wikipedia 是您要实现的算法。

最好将偏差纳入权重，即 w 将是 3x1 并且您必须在输入特征的末尾附加一列 1。这将允许您使用矩阵乘法（即以矢量化方式）实现 wx+b。
您没有更新 out。您应该添加以下行： out(j,1) = y > 0;
为什么要加上这个条件：if(out(j,1)~=desired_out(j,1))？维基百科上没有提到它。无论如何，如果你只想更新错误，那么你必须对正样本和负样本的错误进行不同的更新。参见 this。
做input(j,1)*desired_out(j,1)是错误的。根据维基百科，应该是 (desired_out(j,1)-out(j,1)).

修改后的代码如下：

input = [0 0 1; 0 1 1; 1 0 1; 1 1 1] % input vector
num_in = 4; % number of samples
desired_out = [0;1;1;1] % desired output
w=zeros(3,1); % weight vector, initially zero
iterations = 100; % number of iterations to go through

for i = 1:iterations
   out = zeros(4,1);
   for j = 1:num_in % go per row of x
      y = input(j,1)*w(1,1)+input(j,2)*w(2,1)+w(3,1); % sum
      out(j,1) = y>0;
      w(1,1) =w(1,1)+input(j,1)*(desired_out(j,1)-out(j,1));
      w(2,1) = w(2,1)+input(j,2)*(desired_out(j,1)-out(j,1));
      w(3,1) = w(3,1)+input(j,3)*(desired_out(j,1)-out(j,1));
   end
end
out %print the output

这可以通过使用矩阵乘法而不是 for 循环来进一步矢量化，但我会把它留给你。

从零开始的 MATLAB 感知器 - OR 函数

MATLAB Perceptron from scratch - OR function

matlab

perceptron

training-data

neural-network