神经网络入门——8XOR感知器

XOR 感知器

XOR 感知器就是一个这样的逻辑门&＃xff1a;输入相同返回 0 &＃xff0c;输入不同返回 1。与之前的感知器不同&＃xff0c;这里并不是线性可分的。要处理这类较为复杂的问题&＃xff0c;我们需要把感知器连接起来。

我们用 AND、NOT 和 OR 感知器来创建一个 XOR 逻辑。我们先看一下神经网络的样子。

上面的神经网络包含 A&＃xff0c;B&＃xff0c;C&＃xff0c;D 4 个感知器。神经网络的输入传递到第一个节点&＃xff0c;而输出由最后一个节点产生。权重基于感知器之间连线的粗细程度。如果感知器之间的权重很弱&＃xff0c;如 A 到 C&＃xff0c;则可以忽略。对感知器 C 来说&＃xff0c;你可以忽略它的输入和输出。为了表达简洁&＃xff0c;我们这里并没有展示出偏差&＃xff0c;但是它仍在神经网络中存在。

练习

上图中的神经网络计算了 XOR。每个感知器都是 OR、AND、Passthrought 或 NOT 逻辑运算之一。Passthrough 运算只是把输入传递为输出。但是这里感知器 A、B、C 并不代表它们的运算。在下面的练习中&＃xff0c;给这三个感知器选择正确的运算&＃xff0c;来实现 XOR。

你已经看到感知器可以解决线性可分的问题。要解决更复杂的问题&＃xff0c;你需要更多的感知器。这里你看到用感知器来实现 AND、OR、NOT 和 XOR 运算。这些运算可以用来创建任何计算程序。只要有足够的数据和时间&＃xff0c;神经网络可以解决任何计算机可以计算的问题。然而&＃xff0c;你并不能用神经网络来构建一个微博。神经网络跟任何其它工具一样&＃xff0c;你要知道何时使用它。

神经网络的强大&＃xff0c;并不能在我们之前那样手动构建的过程中体现&＃xff0c;它的强大在于其具有从样本中学习的能力。在接下来的几个小节&＃xff0c;你将学习神经网络如何自己设定权重和偏差。