这个例子对吗？神经网络
Is this example right? Neural network
我正在读一本关于神经网络的书，因为我对人工智能很感兴趣。但是我在书中遇到了这个神经网络示例。他们想向您展示神经网络的实用性。他们希望神经元识别上图中所示的模式。然后他们说当阈值为 1,5 并且输入与上面的框相同时输出仅为 1 因此：i1 = 1，i2 = 0，i3 = 1 和 i4 = 0.
但是假设框中的所有数字都是 1，那么输出也将是 2。然后当该模式与上框不同时它将 return 为真。我对神经网络真的很陌生。
他们设计权重的方式，如果您观察到，任何具有 i1 = 1, i4 = 1 的模式都会被网络识别，因为权重为 1，这些输入的权重为 1，其他输入的权重为 0。
如果你只想要那个模式 i1 = 1, i2 = 0, i3 = 0, i4 = 1 那么权重应该以这种方式学习，例如如果 w1 = 1, w2 =-1, w3 = -1 , w4 = 1, 并且阈值是 >= 1 而不是 1.5 那么 - 只有 i1 = 1, i2 = 0, i3 = 0, i4 = 1 已识别，所有其他模式均无法识别。
我正在读一本关于神经网络的书，因为我对人工智能很感兴趣。但是我在书中遇到了这个神经网络示例。他们想向您展示神经网络的实用性。他们希望神经元识别上图中所示的模式。然后他们说当阈值为 1,5 并且输入与上面的框相同时输出仅为 1 因此：i1 = 1，i2 = 0，i3 = 1 和 i4 = 0.
但是假设框中的所有数字都是 1，那么输出也将是 2。然后当该模式与上框不同时它将 return 为真。我对神经网络真的很陌生。
他们设计权重的方式，如果您观察到，任何具有 i1 = 1, i4 = 1 的模式都会被网络识别，因为权重为 1，这些输入的权重为 1，其他输入的权重为 0。
如果你只想要那个模式 i1 = 1, i2 = 0, i3 = 0, i4 = 1 那么权重应该以这种方式学习，例如如果 w1 = 1, w2 =-1, w3 = -1 , w4 = 1, 并且阈值是 >= 1 而不是 1.5 那么 - 只有 i1 = 1, i2 = 0, i3 = 0, i4 = 1 已识别，所有其他模式均无法识别。