在Ruby中训练XOR的神经网络

Question

我正在尝试训练前馈网络,以便使用Ruby Library AI4R执行XOR操作.但是,当我在训练后评估XOR时.我没有得到正确的输出.有没有人之前使用过这个库并得到它来学习XOR操作.

我正在使用两个输入神经元,一个隐藏层中的三个神经元,以及一个用于输出的层,因为我之前看到过这样的预先计算的XOR前馈神经网络.

require "rubygems"
require "ai4r"

# Create the network with:
 #   2 inputs
 #   1 hidden layer with 3 neurons
 #   1 outputs
 net = Ai4r::NeuralNetwork::Backpropagation.new([2, 3, 1])  

 example = [[0,0],[0,1],[1,0],[1,1]]
 result = [[0],[1],[1],[0]]

 # Train the network
 400.times do |i|
   j = i % result.length
   puts net.train(example[j], result[j])
 end

 # Use it: Evaluate data with the trained network
puts "evaluate 0,0: #{net.eval([0,0])}"  # =>  evaluate 0,0: 0.507531383375123
puts "evaluate 0,1: #{net.eval([0,1])}"  # =>  evaluate 0,1: 0.491957823618629
puts "evaluate 1,0: #{net.eval([1,0])}"  # =>  evaluate 1,0: 0.516413912471401
puts "evaluate 1,1: #{net.eval([1,1])}"  # =>  evaluate 1,1: 0.500197884691668

摊晒

Answer 1

您没有经过足够的迭代训练.如果你改变你400.times,8000.times你会更接近(并且更接近20000.times).

在20000.times,我明白了

puts "evaluate 0,0: #{net.eval([0,0])}"  # =>  evaluate 0,0: 0.030879848321403
puts "evaluate 0,1: #{net.eval([0,1])}"  # =>  evaluate 0,1: 0.97105714994505
puts "evaluate 1,0: #{net.eval([1,0])}"  # =>  evaluate 1,0: 0.965055940880282
puts "evaluate 1,1: #{net.eval([1,1])}"  # =>  evaluate 1,1: 0.0268317078331645

你也可以增加net.learning_rate(但不要太多).