- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在开发一个应该像异或运算符一样工作的程序。
为了调整权重,我使用反向传播。
我还包括了深度学习(它几乎按其应有的方式工作,这里同样的斗争)但这不应该是出于重要性。 (当有像
这样的 if 子句时if(hiddenNeurons.size() > 1)
{
.....
}
这里面只有代码,这在使用多个隐藏神经元时很重要。 (在这个问题中并非如此))
困难:无论输入是什么,输出几乎总是相同的(大约 0.5)。
权重和偏差得到调整。
这是代码(还有更多,但其他代码并不重要):
public void learnFromData(int iterations) //this method learns from the ArrayList 'inputs' and 'outputs'
{
if(inputs.size() == outputs.size())
{
//Collections.shuffle(inputs);
for(int j = 0;j<iterations;j++)
{
for(int i = 0;i<inputs.size();i++)
{
double actualOutput = computeOutput(inputs.get(i))[0];
double expectedOutput = outputs.get(i)[0];
//System.out.println(String.format("Input: %.3f /\\ Ouput: %.4f Expected: %.4f",inputs.get(i)[0], actualOutput, expectedOutput));
double error = 0;
if (actualOutput > expectedOutput) {
error = actualOutput - expectedOutput;
} else {
error = expectedOutput - actualOutput;
}
if(i == 0){
System.out.println(String.format("Error: %.10f", error));}
learn(outputs.get(i));
}
}
}
else{
System.out.println("\nERROR: the number of inputs and outputs have to match!\n");
}
}
public double[] computeOutput(double[] inputValues)
{
for(int i = 0;i<inputValues.length;i++) //giving the inputNeurons a value
{
inputNeurons[i] = inputValues[i];
}
for(int i = 0;i<hiddenNeurons.get(0).length;i++)
{
hSums.get(0)[i] = 0.0;
}
for(int i = 0;i<aOutputNeurons.length;i++)
{
hoSums[i] = 0.0;
}
for(int i = 0;i<inputNeurons.length;i++) //calculating the sums of the hidden neurons (Input-function)
{
for(int b = 0;b<hiddenNeurons.get(0).length;b++)
{
hSums.get(0)[b] += inputNeurons[i] * ihWeights[i][b];
}
}
for(int i = 0;i<hiddenNeurons.get(0).length;i++) //Each bias-value has to be added to its associated sum
{
hSums.get(0)[i] += hBiases.get(0)[i];
}
for(int i = 0;i<hiddenNeurons.get(0).length;i++)
{
hiddenNeurons.get(0)[i] = Helper.sig(hSums.get(0)[i]); //output-function = sigmoid
}
//calculating the hSums
if(hiddenNeurons.size()>1)
{
for (int layer = 0;layer<hiddenNeurons.size()-1;layer++)
{
//calculating the sums of the layer
for(int neuron_nextLayer = 0; neuron_nextLayer < hiddenNeurons.get(layer+1).length;neuron_nextLayer++)
{
hSums.get(layer+1)[neuron_nextLayer] = 0;
for(int neuron_actualLayer = 0;neuron_actualLayer < hiddenNeurons.get(layer).length;neuron_actualLayer++)
{
hSums.get(layer+1)[neuron_nextLayer] += hiddenNeurons.get(layer)[neuron_actualLayer] * hhWeights.get(layer)[neuron_actualLayer][neuron_nextLayer];
}
}
}
}
// calculating the sums of the output neurons (Input-function)
int lastHiddenLayer = hiddenNeurons.size()-1;
for(int i = 0;i<aOutputNeurons.length;i++)
{
hoSums[i] = 0;
for(int b = 0;b<hiddenNeurons.get(lastHiddenLayer).length;b++)
{
hoSums[i] += hiddenNeurons.get(lastHiddenLayer)[b] * hoWeights[b][i];
}
hoSums[i] += hoBiases[i];
aOutputNeurons[i] = Helper.sig(hoSums[i]);
}
//weightToString();
return aOutputNeurons;
}
public void learn(double[] cValues) //correctValues
{
// calculating the output-gradients
for(int i = 0;i<aOutputNeurons.length;i++)
{
oGradients[i] = (cValues[i]-aOutputNeurons[i])*Helper.invSig(aOutputNeurons[i]);
}
//calculating the hidden-gradients
double sum; //sum of all multiplications between gradients of the output layer and the weights between the hidden neuron and each output neuron.
int lastHiddenLayer = hiddenNeurons.size()-1;
for(int i = 0;i<hiddenNeurons.get(lastHiddenLayer).length;i++)
{
sum = 0;
for(int b = 0;b<aOutputNeurons.length;b++)
{
sum += oGradients[b] * hoWeights[i][b];
}
hGradients.get(lastHiddenLayer)[i] = Helper.invSig(hiddenNeurons.get(lastHiddenLayer)[i]) * sum;
}
if(hiddenNeurons.size() > 1)
{
for(int layer = lastHiddenLayer;layer > 0;layer--)
{
for(int neuron_actualHiddenLayer = 0; neuron_actualHiddenLayer < hiddenNeurons.get(layer-1).length;neuron_actualHiddenLayer++) // neuron_actualHiddenLayer is more in the direction of the input neurons and neuron_nextHiddenLayer more in the direction of the output neurons
{
sum = 0;
for(int neuron_nextHiddenLayer = 0;neuron_nextHiddenLayer < hiddenNeurons.get(layer).length;neuron_nextHiddenLayer++)
{
sum += hGradients.get(layer)[neuron_nextHiddenLayer] * hhWeights.get(layer-1)[neuron_actualHiddenLayer][neuron_nextHiddenLayer];
}
hGradients.get(layer-1)[neuron_actualHiddenLayer] = Helper.invSig(hiddenNeurons.get(layer-1)[neuron_actualHiddenLayer]) * sum;
}
}
}
//calculating weight- and biasdeltas of input- to hidden neurons
for(int i = 0;i<inputNeurons.length;i++)
{
for(int b = 0;b<hiddenNeurons.get(0).length;b++)
{
ihPrevWeightsDeltas[i][b] = eta * hGradients.get(0)[b] * inputNeurons[i];
ihWeights[i][b] += ihPrevWeightsDeltas[i][b];
}
}
// calculating weight- and biasdeltas of hidden- to hidden neurons
if(hiddenNeurons.size() > 1)
{
for(int layer = 0;layer < hiddenNeurons.size()-1;layer++)
{
for(int neuron_actualHiddenLayer = 0; neuron_actualHiddenLayer < hiddenNeurons.get(layer).length;neuron_actualHiddenLayer++) // neuron_actualHiddenLayer is more in the direction of the input neurons and neuron_nextHiddenLayer more in the direction of the output neurons
{
for(int neuron_nextHiddenLayer = 0;neuron_nextHiddenLayer < hiddenNeurons.get(layer+1).length;neuron_nextHiddenLayer++)
{
hhPrevWeightDeltas.get(layer)[neuron_actualHiddenLayer][neuron_nextHiddenLayer] = eta * hGradients.get(layer+1)[neuron_nextHiddenLayer] * hiddenNeurons.get(layer)[neuron_actualHiddenLayer];
hhWeights.get(layer)[neuron_actualHiddenLayer][neuron_nextHiddenLayer] += hhPrevWeightDeltas.get(layer)[neuron_actualHiddenLayer][neuron_nextHiddenLayer];
hhPrevBiasDeltas.get(layer)[neuron_actualHiddenLayer] = eta*hGradients.get(layer)[neuron_actualHiddenLayer];
hBiases.get(layer)[neuron_actualHiddenLayer] += hhPrevBiasDeltas.get(layer)[neuron_actualHiddenLayer];
}
}
}
}
for(int i = 0;i<hiddenNeurons.get(0).length;i++)
{
ihPrevBiasDeltas[i] = eta*hGradients.get(0)[i];
hBiases.get(0)[i] += ihPrevBiasDeltas[i];
}
for(int i = 0;i<aOutputNeurons.length;i++)
{
hoPrevBiasDeltas[i] = eta*oGradients[i];
hoBiases[i] += hoPrevBiasDeltas[i];
}
for(int i = 0;i<hiddenNeurons.get(0).length;i++)
{
for(int b = 0;b<aOutputNeurons.length;b++)
{
hoPrevWeightsDeltas[i][b] = eta * oGradients[b] * hiddenNeurons.get(lastHiddenLayer)[i];
hoWeights[i][b] += hoPrevWeightsDeltas[i][b];
}
}
}
最佳答案
因为这是您自己的代码,请尝试使用一些成熟的项目(例如 Neuroph 库)执行相同的网络并比较结果,这应该可以帮助您缩小问题范围。
还请记住,XOR 函数是一个非线性分类问题,您至少需要 2 个具有非线性激活函数的层(1 个输入和 1 个隐藏层)。只是因为线性分类器无法调整来做非线性分类,所以需要非线性分类器。
关于java - 人工智能(神经网络) - 实际输出永远不会接近正确输出,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38714872/
这与 Payubiz payment gateway sdk 关系不大一体化。但是,主要问题与构建项目有关。 每当我们尝试在模拟器上运行应用程序时。我们得到以下失败: What went wrong:
我有一个现有的应用程序,其中包含在同一主机上运行的 4 个 docker 容器。它们已使用 link 命令链接在一起。 然而,在 docker 升级后,link 行为已被弃用,并且似乎有所改变。我们现
在 Internet 模型中有四层:链路 -> 网络 -> 传输 -> 应用程序。 我真的不知道网络层和传输层之间的区别。当我读到: Transport layer: include congesti
很难说出这里要问什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或夸夸其谈,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开,visit the help center . 关闭 1
前言: 生活中,我们在上网时,打开一个网页,就可以看到网址,如下: https😕/xhuahua.blog.csdn.net/ 访问网站使用的协议类型:https(基于 http 实现的,只不过在
网络 避免网络问题降低Hadoop和HBase性能的最重要因素可能是所使用的交换硬件,在项目范围的早期做出的决策可能会导致群集大小增加一倍或三倍(或更多)时出现重大问题。 需要考虑的重要事项:
网络 网络峰值 如果您看到定期的网络峰值,您可能需要检查compactionQueues以查看主要压缩是否正在发生。 有关管理压缩的更多信息,请参阅管理压缩部分的内容。 Loopback IP
Pure Data 有一个 loadbang 组件,它按照它说的做:当图形开始运行时发送一个 bang。 NoFlo 的 core/Kick 在其 IN 输入被击中之前不会发送其数据,并且您无法在 n
我有一台 Linux 构建机器,我也安装了 minikube。在 minikube 实例中,我安装了 artifactory,我将使用它来存储各种构建工件 我现在希望能够在我的开发机器上做一些工作(这
我想知道每个视频需要多少种不同的格式才能支持所有主要设备? 在我考虑的主要设备中:安卓手机 + iPhone + iPad . 对具有不同比特率的视频进行编码也是一种好习惯吗? 那里有太多相互矛盾的信
我有一个使用 firebase 的 Flutter Web 应用程序,我有两个 firebase 项目(dev 和 prod)。 我想为这个项目设置 Flavors(只是网络没有移动)。 在移动端,我
我正在读这篇文章Ars article关于密码安全,它提到有一些网站“在传输之前对密码进行哈希处理”? 现在,假设这不使用 SSL 连接 (HTTPS),a.这真的安全吗? b.如果是的话,你会如何在
我试图了解以下之间的关系: eth0在主机上;和 docker0桥;和 eth0每个容器上的接口(interface) 据我了解,Docker: 创建一个 docker0桥接,然后为其分配一个与主机上
我需要编写一个java程序,通过网络将对象发送到客户端程序。问题是一些需要发送的对象是不可序列化的。如何最好地解决这个问题? 最佳答案 发送在客户端重建对象所需的数据。 关于java - 不可序列化对
所以我最近关注了this有关用 Java 制作基本聊天室的教程。它使用多线程,是一个“面向连接”的服务器。我想知道如何使用相同的 Sockets 和 ServerSockets 来发送对象的 3d 位
我想制作一个系统,其中java客户端程序将图像发送到中央服务器。中央服务器保存它们并运行使用这些图像的网站。 我应该如何发送图像以及如何接收它们?我可以使用同一个网络服务器来接收和显示网站吗? 最佳答
我正在尝试设置我的 rails 4 应用程序,以便它发送电子邮件。有谁知道我为什么会得到: Net::SMTPAuthenticationError 534-5.7.9 Application-spe
我正在尝试编写一个简单的客户端-服务器程序,它将客户端计算机连接到服务器计算机。 到目前为止,我的代码在本地主机上运行良好,但是当我将客户端代码中的 IP 地址替换为服务器计算机的本地 IP 地址时,
我需要在服务器上并行启动多个端口,并且所有服务器套接字都应在 socket.accept() 上阻塞。 同一个线程需要启动客户端套接字(许多)来连接到特定的 ServerSocket。 这能实现吗?
我的工作执行了大约 10000 次以下任务: 1) HTTP 请求(1 秒) 2)数据转换(0.3秒) 3)数据库插入(0.7秒) 每次迭代的总时间约为 2 秒,分布如上所述。 我想做多任务处理,但我
我是一名优秀的程序员,十分优秀!