ja tam nie wnikam z kim / czym sypiasz.. :-) to nie problem.. to rozwiazanie problemu :P

dla takiej konstrukcji sieci neuronowej wartosc sygnału okreslona jest wzorem: i = w1 * x1 + w2 * x2 + theta, gdzie wn to wagi a xn to sygnały doprowadzone do neuronu. wartosc theta jest biasem jedynej warstwy sieci .. załozmy ze wykozystamy progowa funkcje aktywacji ( 1 gdy i > 0 oraz 0 w przeciwnym wypadku).. w takim wypadku wartość wyjściowa perceptronu przybiera wartość zero w przypadku gdy wartość wejścia jest ujemna badz tez wartość 1 w przeciwnym wypadku. gdybysmy narysowali mozliwe rozwiazanie tego rowniania dostrzeglibysmy dwa diagramy.. Na zaden z tych diagramów nie przedstawialby rozwiązania dla funkcji XOR. Okienko 1 przedstawialoby zachowanie operatora logicznego AND (ponieważ wartość prawdziwa jest wyłączenie gdy dwa parametry wejściowe przybierają wartość jeden). Okienko 2 przedstawialoby zachowanie operatora logicznego OR (gdyż, wystarczy by rzynajmniej jeden z parametrów przyjmowała wartość jeden aby wynik funkcji był ,,prawdziwy''). teraz wymyslmy sobie okienko nr 3.. to przedstawia graficzną reprezentację operatora logicznego XOR -- niemniej jednak jak zostało ukazane rozwiązanie nie przybiera kształtu ,,prostej'' wobec czego nauczenie sieci neuronowej składającej się z jednego neuronu nie jest możliwe. i co.. mozna by rzec ze nic nie jest proste.. ale wiesz.. prostego xora mozna opisac za pomoca jeszcze jednego dodatkowego neuronu.. wowczas dzialamy juz na przestrzeni.. i ten tego - tam mozemy wyznaczyc plaszczyzne rozwiazania.. :-) kapewu ? :-)

mam nadzieje ze tych neuronów masz wiecej niz jeden.. jednym nie da sie nauczyc sieci rozwiazywania problemu XOR.. a to własnie to do czego zmierzasz.. dokładnie jedna z mozliwości.. nie dwie :-) jak chcesz moge Ci podac dowód.. :-)

lorineth> wiesz.. zdradze Ci pewna tajemnice.. nie wygrasz zawodów.. jesli w nich nie wystartujesz.. tak samo jest z labiryntami.. :-)

hmm.. jak? ... zagladam do srodka.. :-)