標準的な背景を使用して、XORを学ぶために最大8つのバイナリ入力でネットワークをトレーニングできます。だから、256個の入力セットの合計だし、出力が正しく8入力が残りが08+入力ノードを持つニューラルネットワークXOR
レイアウトされ、唯一の8つの入力の1であることを設定します識別します
•8入力。
•1ノードが2つ以上ある隠しレイヤー。アウト•
:1つのノード
私はより多くの隠されたノードを使用する場合、それはより少ない約500エポックを、で訓練されます。
しかし、どれくらいの隠れノードを使用していても、9個の入力ノードで列車に乗ることはできません。
これを防止する8の固有の制限はありますか?私は別の隠れたレイヤーが必要かもしれないと思うが、それは基本的に不可能かどうかの洞察を得たいと思った?
ありがとうございました。
使用しているツール/コマンドは何ですか?あなたの現在の質問は広すぎます。また、[link](http://stats.stackexchange.com/)で尋ねることをお勧めします。 –
約8個または9個の入力に対して「魔法の」ものはありません。明らかに、それぞれの追加の入力は可能な値の2倍になり、訓練に必要なデータが増加しますが、それだけではなく、同じ問題であり、大きな変更は必要ありません。 – lejlot
@ lejlotありがとう、私は何かが欠けていたかどうか確信が持てませんでしたので、忍耐強く、良いパラメータセットを見つけ、100エポック以下でN = 20までテスト/解決しました。 (学習率.4、重み+/- 3、動き量.6) – Steve555