人工智能神經網絡例題

人工智能神經網絡例題人工智能神經網絡例題人工智能神經網絡例題xxx公司人工智能神經網絡例題文件編號：文件日期：修訂次數：第1.0次更改批準審核制定方案設計，管理制度神經網絡學習假設w1(0)=,w2(0)=,θ(0)=,η=，請用單層感知器完成邏輯或運算的學習過程。解：根據“或”運算的邏輯關系，可將問題轉換為：輸入向量：X1=[0,0,1,1]X2=[0,1,0,1]輸出向量：Y=[0,1,1,1]由題意可知，初始連接權值、閾值，以及增益因子的取值分別為：w1(0)=,w2(0)=,θ(0)=，η=即其輸入向量X(0)和連接權值向量W(0)可分別表示為：X(0)=(-1,x1(0),x2(0))W(0)=(θ(0),w1(0),w2(0))根據單層感知起學習算法，其學習過程如下：設感知器的兩個輸入為x1(0)=0和x2(0)=0，其期望輸出為d(0)=0，實際輸出為：y(0)=f(w1(0)x1(0)+w2(0)x2(0)-θ(0))=f*0+*=f=0實際輸出與期望輸出相同，不需要調節(jié)權值。再取下一組輸入：x1(0)=0和x2(0)=1，其期望輸出為d(0)=1，實際輸出為：y(0)=f(w1(0)x1(0)+w2(0)x2(0)-θ(0))=f*0+*=f=1實際輸出與期望輸出相同，不需要調節(jié)權值。再取下一組輸入：x1(0)=1和x2(0)=0，其期望輸出為d(0)=1，實際輸出為：y(0)=f(w1(0)x1(0)+w2(0)x2(0)-θ(0))=f*1+*=f=0實際輸出與期望輸出不同，需要調節(jié)權值，其調整如下：θ(1)=θ(0)+η(d(0)-y(0))*(-1)=+*(1-0)*(-1)=w1(1)=w1(0)+η(d(0)-y(0))x1(0)=+*(1-0)*1=w2(1)=w2(0)+η(d(0)-y(0))x2(0)=+*(1-0)*0=再取下一組輸入：x1(1)=1和x2(1)=1，其期望輸出為d(1)=1，實際輸出為：y(1)=f(w1(1)x1(1)+w2(1)x2(1)-θ(1))=f*1+*1+=f=1實際輸出與期望輸出相同，不需要調節(jié)權值。再取下一組輸入：x1(1)=0和x2(1)=0，其期望輸出為d(0)=0，實際輸出為：y(1)=f(w1(1)x1(1)+w2(1)x2(1)-θ(1))=f*0+*0+=f=1實際輸出與期望輸出不同，需要調節(jié)權值，其調整如下：θ(2)=θ(1)+η(d(1)-y(1))*(-1)=+*(0-1)*(-1)=w1(2)=w1(1)+η(d(1)-y(1))x1(1)=+*(0-1)*0=w2(2)=w2(1)+η(d(1)-y(1))x2(1)=+*(0-1)*0=再取下一組輸入：x1(2)=0和x2(2)=1，其期望輸出為d(2)=1，實際輸出為：y(2)=f(w1(2)x1(2)+w2(2)x2(2)-θ(2))=f*0+*1-=f=1實際輸出與期望輸出相同，不需要調節(jié)權值。再取下一組輸入：x1(2)=1和x2(2)=0，其期望輸出為d(2)=1，實際輸出為：y(2)=f(w1(2)x1(2)+w2(2)x2(2)-θ(2))=f*1+*0-=f=1實際輸出與期望輸出相同，不需要調節(jié)權值。再取下一組輸入：x1(2)=1和x2(2)=1，其期望輸出為d(2)=1，實際輸出為：y(2)=f(w1(2)x1(2)+w2(2)x2(2)-θ(2))=f*1+*1-=f=1實際輸出與期望輸出相同，不需要調節(jié)權值。至此，學習過程結束。最后的得到的閾值和連接權值分別為：θ(2)=w1(2)=w2(2)=不仿