2017-04-04 126 views
0

我試圖用多層感知器來模擬異或問題。到目前爲止,我已經知道它不是線性可分的,因此它需要一個隱藏層。我無法理解的是哪些神經元決定了決策邊界。就我所見,似乎隱藏層神經元的輸出被考慮了,但是如果我只將權重改變到輸出層的輸入,決策邊界不會改變。
這使我感到困惑,並希望能夠幫助理解這一點。XOR多層感知器的決策邊界

另外將一個圖像: Graph of the XOR classifier

W11 W12 W21 B1 B2 W22 V1 V2和B3分別是第一隱藏神經元,第二隱藏神經元和所述輸出神經元的參數。
當我改變V1和/或V2,判定邊界保持相同,但錯誤率的變化:預期

New graph when v2 changed

感謝。

+0

看起來你有兩個隱藏層,所以你有一個超定問題。 XOR只需要一個隱藏層。目前還不清楚你的權重是如何映射的,但很可能你正在改變的權重是不相關的。 – bogatron

回答

0

更改v1和v2不會改變決策邊界。

隱藏層中有兩個節點。模糊的理解是,每個節點都模擬圖像中顯示的兩條決策邊界線之一。最後一個節點執行一種操作,這是一種由隱藏層中的節點模擬的決策區域的交集。嘗試更改w11,w21,它將影響決策邊界中的一條線路,並更改w12,w22並且它會影響另一條線路。

通過改變v1和v2,隱藏層中的節點產生的決策區域沒有影響。因此,對最終決策邊界(這是個體決策邊界的交集)沒有影響。