mlp-backpropagation:人工神经网络的反向传播-二进制分类问题

反向传播 反向传播-“两类”问题＃简介 对于此项目，我们基于正方形中（x，y）点的位置定义一个简单的分类问题。 图1：正方形中的点被标记为A型（在圆内）或B型（在圆外）。 要遵循Lippmann的参数：边长为4的正方形，以半径1为原点的圆心为中心。该项目的目标是训练神经网络，以学习A类和B类点之间的差。 ＃建筑学： 图2显示了针对此问题的推荐体系结构。 请注意，有： 两个输入单位，一个用于x坐标，一个用于y坐标； 两个输出单元，打开用于将输入分类为A型，一个用于将输入分类为B型； 八个隐藏单位。 ！[图2]（ ） 图2：两类反向传播示例的体系结构。 注意：隐藏层和输出层神经元偏差未显示，但始终存在 训练：首先将权重随机初始化为小的正值和负值。 然后计算已知类型（A或B）或从正方形中随机选择的点，通过网络前馈的点（x，y）值和两个输出神经元的输出值。 类型A点的期望输出为（