# [神经网络计算异或]() 首先介绍 ## 1、“和”操作： x1, x2 ∈ {0, 1} y = x1 AND x2 有 hθ(x)\=g(−30+20x1+20x2)   其中g()是sigmoid函数，其图示如下  当z=4.6时，函数值约为0.99；当z=-4.6时，函数值约为0.01 计算 x1x2h(x)00g(-30)≈001g(-10)≈010g(-10)≈011g(10)≈1  然后是 ## 2、“或”操作 有 hθ(x)\=g(−10+20x1+20x2)   x1x2h(x)000011101111  然后是 ## 3、“非”操作  有 hθ(x)\=g(10−20x1) 计算 x1h(x)0110 （当 x==0时, h(x)==1； 当 x==1时，h(x)==0；不用解释）。 那么“非x1和非x2”如下图  * * * ## 4、最后计算“异或”  计算 x1x2a1(2)a2(2)hθ(x)00011010001000011101  * 如果算上输入层我们的网络共有三层，如下图所示，其中第1层和第2层中的1分别是这两层的偏置单元。连线上是连接前后层的参数。  * 输入：我们一共有四个训练样本，每个样本有两个特征，分别是(0, 0), (1, 0), (0, 1), (1, 1); * 理想输出：参考上面的真值表，样本中两个特征相同时为0，相异为1 * 参数：随机初始化，范围为(-1, 1) * ## 5、“同或”，并且总结：  分类: [machine learning 相关](https://www.cnblogs.com/qkloveslife/category/1319459.html)