数学建模-神经网络算法[整理].pptVIP

通过适当调整两条直线的位置，可使两类线性不可分样本分别位于该开放式凸域内部和外部。 对隐节点1来说，直线S1下面的样本使其输出为y1=1，而直线上面的样本使其输出为y1=0； 对隐节点2来说，直线S2上面的样本使其输出为y2=1，而直线下面的样本使其输出为y2=0。 * 精品PPT·可编辑借鉴 当输入样本为o类时，其位置处于开放式凸域内部，即同时处在直线S1下方和直线S2上方。根据以上分析，应有y1=1，y2=1。 当输入样本为*类时，其位置处于开放式凸域外部，即或者同时处在两直线S1、S2上方，使y1=0，y2=1；或者同时处在两直线S1、S2下方，使y1=1，y2=0。 输出层节点以隐层两节点的输出y1、y2作为输入，其结构也相当于一个符号单元。如果经过训练，使其具有逻辑“与非”功能，则异或问题即可得到解决。根据“与非”逻辑，当隐节点输出为y1=1，y2=1时，该节点输出为o=0；当隐节点输出为y1=1，y2=0时，或y1=0，y2=1时，该节点输出为o=1。 * 精品PPT·可编辑借鉴 对于一般形式的单隐层感知器，当输入样本为二维向量时，隐层中的每个节点确定了二维平面上的一条分界直线。多条直线经输出节点组合后会构成各种形状的凸域（所谓凸域是指其边界上任意两点之连线均在域内）。 通过训练调整凸域的形状，可将两类线性不可分样本分为域内和域外。输出层节点负责将域内外的两类样本