反向传播可以一次训练两个异或问题吗？

Question

假设我有一个这样的数据集：

[   [0, 0], [0, 1]
    [0, 1], [1, 0]
    [1, 0], [1, 0]
    [1, 1], [0, 1]   ]

其实y1 = x1 XOR x2, and y2 = not(x1 XOR x2)，看起来一点都不奇怪。

使用 Wikipedia 中提供的code，它是用 Python 编写的，训练误差似乎没有收敛。

为什么会这样？这个数据集是否不可能用 (2, 2, 2) BP 网络进行训练？ (2, 2, 2) 表示输入层节点数、隐藏层节点数和输出层节点数都是2（偏置节点除外）。

还是代码有问题？

Answer 1

可以很容易地为此训练一个 (2,2,2) 神经网络。我刚刚在 Encog 中尝试过，它的训练时间与单输出版本相同。实际上，您上面所拥有的是配置为 n 之一分类的网络。也就是说，每个期望值都有一个输出神经元。

我对 Python 不是很流利，但我猜这是代码改编的某个地方的问题。这不是 ANN 的固有限制。