【python】【神经网络】请教各位大牛用神经网络解决XOR的一些问题

Question

大家好，我尝试自己写了一个神经网络来做XOR的例子，但是输出结果始终不如人意，不知问题出在哪里?望各位大牛解答！
先附上循环10次的输出结果：
[[ 0.63892076]
[ 0.67854515]
[ 0.6880628 ]
[ 0.71555396]]

以下是代码：

 # -*- coding: utf-8 -*-
"""
Created on Wed Oct 18 23:29:20 2017

@author: 32641
"""
import numpy as np

def sigmoid(x):
    result=1/(1+np.exp(-x))
    return result

    #此函数是为了计算梯度用
def matrix_X(X,Y):
    l1=[]
    for n in range(len(Y)):
        l=[]
        for x in X[n]:
            for y in Y[n]:
                l.append(x*y)
        l1.append(l)
    return np.array(l1)

#初始化
X=np.array([[0,0],[1,0],[0,1],[1,1]],dtype=np.float32)
Y=np.array([1,0,0,1],dtype=np.float32).reshape(4,1)
V=np.random.rand(2,2)
W=np.random.rand(2,1)
b1=np.tile(np.zeros((1,2)),(4,1))
b2=np.tile(np.zeros((1,1)),(1,1))
D=np.dot(X,V)+b1
O=np.dot(sigmoid(D),W)+b2
output=sigmoid(O)
error=np.sum(np.square(Y-output))

#backward
for n in range(10):
    #求导
    gradient_w=np.sum((Y-output)*sigmoid(O)*(1-sigmoid(O))*sigmoid(D),axis=0).reshape((2,1))
    gradient_b2=np.sum((Y-output)*sigmoid(O)*(1-sigmoid(O)),axis=0).reshape((1,1))
    gradient_v=np.sum(matrix_X(X,(Y-output)*sigmoid(O)*(1-sigmoid(O))*sigmoid(D)*(1-sigmoid(D))),axis=0).reshape((2,2))
    gradient_b1=np.sum((Y-output)*sigmoid(O)*(1-sigmoid(O))*sigmoid(D)*(1-sigmoid(D)),axis=0).reshape((1,2))
    η=0.01
    W=W+η*gradient_w
    b2=b2-η*np.tile(gradient_b2,(1,1))
    V=V-η*gradient_v
    b1=b1-η*np.tile(gradient_b1,(4,1))
    D=np.dot(X,V)+b1
    O=np.dot(sigmoid(D),W)+b2
    output=sigmoid(O)
    error=np.sum(np.square(Y-output))
    print(error)
print(output)

Answer 1

http://www.cnblogs.com/Belter/p/6711160.html