擅长:python、mysql、java
<p>你的方法根本不正确。一个有6个输入的网络意味着每个输入都是一个从0到1的浮点数。当你的价值观太低的时候,你的大脑就会告诉你。例如,0b111111实际上是63。如果您希望每个检测单元都有一个输入,则需要使用一个有36个输入的网络。在</p>
<pre><code>L_Z = [
1,1,1,1,1,1,
0,0,0,0,1,0,
0,0,0,1,0,0,
0,0,1,0,0,0,
0,1,0,0,0,0,
1,1,1,1,1,1
]
C_Z = [
1,1,1,1,1,1,
1,0,0,0,0,1,
0,0,0,1,1,0,
0,0,0,0,0,1,
1,0,0,0,0,1,
1,1,1,1,1,1
]
net = buildNetwork(36, 3, 1)
ds = SupervisedDataSet(36, 1)
ds.addSample(L_Z, [1])
ds.addSample(C_Z, [0])
trainer = BackpropTrainer(net, ds)
for x in range(1000):
trainer.train()
print net.activate(L_Z)
print net.activate(C_Z)
</code></pre>
<p>我很惊讶。trainUntilConvergence()正在工作,通常它会留出1/4的数据进行验证,如果你只举两个例子,它通常会崩溃。在任何情况下,这段代码都能得到你想要的结果,但是如果你想做计算机视觉,他们通常会使用多种方法来检测物体。在</p>