多层感知机(MLP)实现异或(XOR)操作

本文通过一个多层感知器(MLP)模型详细解释了如何实现XOR运算。具体包括了MLP各层间的连接权重设置,以及不同输入情况下各层神经元的输出计算过程。通过这些计算验证了该MLP模型能够正确地执行XOR运算。

在这里插入图片描述

1.图中元素说明

(a)输入层和隐层之间灰色箭头的权重均为+1;其他箭头表示的权重标在箭头旁边。
(b)圆圈中的阶梯符号表示函数:
在这里插入图片描述

2. 验证满足XOR运算

(a)当输入 (x1,x2)=(0,0)时:

隐层左perception输出为heaviside(-1.5+1×0+1×0)=0;
隐层右perception输出为heaviside(-0.5+1×0+1×0)=0;
输出层perception输出为heaviside(-0.5+(-1)×0+1×0)=0。
MLP输出0。

(b)当输入 (x1,x2)=(1,1)时:

隐层左perception输出为heaviside(-1.5+1×1+1×1)=1;
隐层右perception输出为heaviside(-0.5+1×1+1×1)=1;
输出层perception输出为heaviside(-0.5+(-1)×1+1×1)=0。
MLP输出0。

(c)当输入 (x1,x2)=(0,1)时:

隐层左perception输出为heaviside(-1.5+1×0+1×1)=0;
隐层右perception输出为heaviside(-0.5+1×0+1×1)=1;
输出层perception输出为heaviside(-0.5+(-1)×0+1×1)=1。
MLP输出1。

(d)当输入 (x1,x2)=(1,0)时:

隐层左perception输出为heaviside(-1.5+1×1+1×0)=0;
隐层右perception输出为heaviside(-0.5+1×1+1×0)=1;
输出层perception输出为heaviside(-0.5+(-1)×0+1×1)=1。
MLP输出1。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值