我在学习人工智能时用C++编写了一个简单的感知机，即使参考了一本书(葡萄牙语) ，我的感知机仍然无法返回预期的结果。我尝试调试并寻找错误，但没有成功。
我的算法AND门结果（A和B = Y）：
0 && 0 = 0 0 && 1 = 11 && 0 = 11 && 1 = 1基本上，它的工作方式像是OR门或随机的。
我尝试跳到Peter Norving和Russel的书，但他在这方面讲得很快，并没有深入解释一个感知机的训练过程。
我真的想彻底学习这部分内容，所以在没有让简单的感知机工作之前，我不想跳到多层感知机，你能帮我吗？
以下是运行的最小代码以及一些解释：
Sharp函数：
int signal(float &sin){ if(sin < 0) return 0; if(sin > 1) return 1; return round(sin);}感知机结构体（W是权重）：
struct perceptron{ float w[3];};感知机训练：
perceptron startTraining(){ //- 随机工厂生成器 long int t = static_cast<long int>(time(NULL)); std::mt19937 gen; gen.seed(std::random_device()() + t); std::uniform_real_distribution<float> dist(0.0, 1.0); //-- //-- 样本 (-1 | x | y) float t0[][3] = {{-1,0,0}, {-1,0,1}, {-1,1,0}, {-1,1,1}}; //-- 预期结果 short d [] = {0,0,0,1}; perceptron per; per.w[0] = dist(gen); per.w[1] = dist(gen); per.w[2] = dist(gen); //-- 打印随机数 cout <<"INIT "<< "W0: " << per.w[0] <<" W1: " << per.w[1] << " W2: " << per.w[2] << endl; const float n = 0.1; // 学习率 N int saida =0; // 输出 Y long int epo = 0; // 简单计数器 bool erro = true; // 循环控制 while(erro){ erro = false; for (int amost = 0; amost < 4; ++amost) { // 对样本数重复 x0=-1, x1,x2 float u=0; // 用于求和的变量 for (int entrad = 0; entrad < 3; ++entrad) { // 对每个突触权重重复 W0=θ , W1, W2 u = u + (per.w[entrad] * t0[amost][entrad]);// U <- 权重 * 输入 } // u=u-per.w[0]; // 一些参考文献建议取θ并从U中减去，我尝试过但没有成功 saida = signal(u); // 返回1或0 cout << d[amost] << " <- esperado | encontrado -> "<< saida<< endl; if(saida != d[amost]){ // 如果输出不等于预期值 for (int ajust = 0; ajust < 3; ++ajust) { per.w[ajust] = per.w[ajust] + n * (d[amost] - saida) * t0[amost][ajust]; // W <- W + ɳ * ((d - y) x) 其中 erro = true; // W: 权重, ɳ: 学习率 } // d: 期望输出, y: 输出 } // x: 样本 epo++; } } cout << "Epocas(Loops): " << epo << endl; return per;}带测试部分的主函数：
int main(){ perceptron per = startTraining(); cout << "fim" << endl; cout << "W0: " << per.w[0] <<" W1: " << per.w[1] << " W2: " << per.w[2] << endl; while(true){ int x,y; cin >> x >> y; float u=0; u = (per.w[1] * x); u = u + (per.w[2] * y); //u=u-per.w[0]; cout << signal(u) << endl;} return 0;}回答：
在你的main()函数中，重新启用你注释掉的那行。或者，你可以这样写以使其更清晰：
float u = 0.0f;u += (per.w[0] * float (-1));u += (per.w[1] * float (x));u += (per.w[2] * float (y));关键是你用三个输入训练了感知机，第一个输入被硬连接到“-1”（使第一个权重w[0]像一个常数“偏置”）。因此，在你的训练函数中，u是所有三个权重-输入乘积的总和。然而，在你发布的main()函数中，你完全省略了w[0]，因此产生了错误的结果。
