異或問題，即判斷兩個輸入x1和x2是否一致。

以下是用Python實現(xiàn)的代碼

importnumpyas(1)#生成輸入向量XX([[0，0，1]，[0，1，1]，[1，0，1]，[1，1，1]]#生成目標向量YY([[0]，[1]，[0])。D:if(d:)對的j#前向傳播后向傳播，計算每層的輸出((l0，Syn0))l2nonlin((l1，syn1))#每10000次計算輸入層與目標向量的差(輸出誤差)打印:STR((NP.ABS(L2_誤差))print(L2)#計算誤差l2_deltal2_誤差*nonlin(l2，DerivTrue)#計算上一層對下一層的誤差影響l1_誤差l2_(syn1。T)#計算誤差l1_deltal1_error*nonlin(l1，DerivTrue)#修改權重向量使結果越來越接近目標向量syn1(l2_delta)syn0(l1_delta)。如果你執(zhí)行上面的代碼，你會發(fā)現(xiàn)這個非線性多層神經網絡成功地解決了異或問題。當輸入x1和x2相同時，它將輸出0，當它們不同時，它將輸出1。

如果你喜歡人工智能，算法，Python，Javascript，Java相關的話題，關注頭條號:編程快訊就可以了。

喜歡的朋友可以點贊，關注，轉發(fā)，評論！同時也歡迎大家在評論中補充不足！

#!usr/bin/pythonn#-*-coding:UTF-8-*-#python2.7#分解需求#1。生成一個2位數的隨機數是random.randint(10，99)#2。生成100是為了范圍內的I(100)導入random_tuple(random。對于范圍(100)內的I，random(10，99)。

)printrandom_tuple#dict_num{出現(xiàn)的次數}dict_num{}forIinrandom_tupl:ifdict_(i):dict_num[I]1:dict_num[I]1printdict_num。