异或运算BP算法解决

《智能优化方法》技术报告题目：基于 BP 算法的异或运算的解决班级：信科 13-01 班 学 号：08133367姓 名：谊坤 任课老师： 睿 目录一、 摘 要 ------------------------------------------------------3二、 技术路线与实现方法2.1 输 入 层 和 输 出 层 神 经 元 数 目 的 选择----------------------32.2隐层层数和神经元数目选择--------------------------------32.3 BP算法学习的四个阶段-------------------------------------4三、 实验结果与分析--------------------------------------------5四、 总 结 ------------------------------------------------------5五、 参考文献 ------------------------------------------------------5六、 附录附录1：代 码---------------------------------------------------6附录2：个人工作---------------------------------------------------8《摘要》利用 BP 函数训练计算机使其可以输出满足精度的逻辑异或运算结果。结合本课题的特点和网络训练的思想，通过深化分析选择合适的参数；接着构建 BP 网络，产生训练样本；选取最优结果作为本文的最终结果，并对输出结果和仿真结果进行分析。一、问题描述异或问题本质上是分类问题，要求将输入的样本组分为两类，一类样本经异或运算后结果为 1，另一类经异或运算后结果为 0。讨论表明，BP 网络特别是具有单隐层的 BP 网络具有较强的分类能力，能够解异或问题。 二、技术路线与实现方法2.1 输入层和输出层神经元数目的选择输入层神经元个数与输入样本维数一样，本实验输入样本为 2 维向量，所以输入层包含 2 个神经元。输出层神经元个数设计可根据设计者的需求设计，由于本文要解决的异或问题是单输出的 0 或 1，所以输出层选择 1 个神经元。 2.2 隐层层数和神经元数目选择参考其他专家和学者的经验，了解到含有单隐层的 BP 网路能很好的解决异或问题。AB0.0579-0.02910.05430.0999P=-0.0703Q=-0.0939C=-0.07030.08010.0605C图 2-1 BP 网络结构示意图对于隐层神经元数目的选择前人总结出了一些经验规则，本文在借鉴前人经验的基础上，依靠测试得出较适合本课题的隐层神经元数是 1 至 3 个。由于隐层神经元越多，网络越复杂，每一步训练的计算量增大，时间增长，经测试发现 1 至 3 个隐层神经元都可以达到较高精度，为简化网络，最终确定隐层神经元数为 2。根据以上分...