多层感知机逼近异或逻辑

网络结构采用两层BP网：其中隐层单元数为2 ；神经元激励函数用sigmoid函数

结构图如下所示：

 

   红色（收敛过程）  步长系数 0.8 稳定系数 0.8 sigmoid函数斜率为1

经学习后的权矩阵(其中w[0][0] w[0][1] w[0][2]分别表示神经元1、2、3的偏差b1、b2、b3)：

w[0][0] = 2.930361      w[0][1] = -3.579205     w[0][2] = 4.659665

w[1][0] = 6.130275      w[1][1] = 6.569888      w[1][2] = -9.740614

w[2][0] = -5.878284     w[2][1] = -6.574233     w[2][2] = 9.937957

 

       蓝色（不收敛过程）步长系数8 稳定系数0.1 sigmoid函数斜率为0.5

经学习后的权矩阵(其中w[0][0] w[0][1] w[0][2]分别表示神经元1、2、3的偏差b1、b2、b3)：

w[0][0] = -0.952549     w[0][1] = 1.780068      w[0][2] = 1.343411

w[1][0] = -15.287239    w[1][1] = -18.513069    w[1][2] = -6.578238

w[2][0] = -15.947301    w[2][1] = -19.173033    w[2][2] = -10.848843

刚开始不知道如何利用训练次数与相应误差来描述相关曲线，我又不熟悉MATLAB，只是近些日子开始接触OpenGL，想利用自己近些天所学，来完成这个曲线的描绘，思考了一下思路，还是比较简单的。只是每次训练保存一组数据（误差，训练次数），并以此为坐标在坐标轴中描出相应的点，使得结果看起来像条连续的曲线，并且不需要打的数组来保存每次生成的数据坐标（误差，训练次数），只需将误差值映射到y坐标轴上，将训练次数映射到x坐标轴上，其核心思想只用了

glBegin();

       glVertex2f(训练次数映射到x上的值，误差映射到y上的值);

glEnd();

就这么简单，实现了不错的效果，而且是自己编程实现的。主要是感觉自己渐渐有了用程序来表达自己想法的思路，甚喜，继续努力！