我不认为我的问题是这个问题的重复，因为我的实现中已经包含了偏置项。

我尝试在Erlang中实现一个感知器及其训练，以识别线性斜率。问题在于它没有被正确训练。在50个周期后，它的猜测值仍然只有大约50%的正确率。

初始权重通过一个列表提供[X_weight, Y_Weight, Bias_weight]，训练集通过另一个列表提供[X,Y,Desired_guess]，其中X和Y是整数，Desired_guess如果坐标在线下方则为-1，如果在线上方则为1。

首先是计算新权重：

% 导出的起始子句% 输入是 - 一个感知器的输入值列表 ([X,Y,Bias])，对应输入的权重列表 [X_weight, Y_weight, Bias_weight]，学习常数和误差 (Desired-Guess)train_perceptron([InputsH|InputsT], [WeightsH|WeightsT], Learning_constant, Error) ->    train_perceptron(InputsT, WeightsT, Learning_constant, Error,         [WeightsH + (Learning_constant * Error) * InputsH]).% 未导出的子句，由train_perceptron/4调用。这里也有一个调整后的新权重列表。% 当输入列表的尾部是空列表时，这是最后一个值，即偏置train_perceptron([InputsH|[]], [WeightsH|[]], Learning_constant, Error, Adjusted_weights) ->    train_perceptron([], [], Learning_constant, Error,        Adjusted_weights ++ [WeightsH + Learning_constant * Error]);% 正常情况，计算新权重并将它们添加到Adjusted_weights中train_perceptron([InputsH|InputsT], [WeightsH|WeightsT], Learning_constant,      Error, Adjusted_weights) ->    train_perceptron(InputsT, WeightsT,Learning_constant, Error,     Adjusted_weights ++ [WeightsH + (Learning_constant * Error) * InputsH]);% 基础情况，列表为空，没有更多要做的。返回Adjusted_weightstrain_perceptron([], [],_, _, Adjusted_weights) ->    Adjusted_weights.

这是调用train_perceptron函数的函数

line_trainer(Weights,[],_) ->     Weights;line_trainer(Weights, [{X,Y,Desired}|TST], Learning_constant)->     Bias = 1,     Error = Desired - feedforward([X,Y,Bias],Weights),     Adjusted_weights = train_perceptron([X,Y,Bias], Weights, Learning_constant, Error),     line_trainer(Adjusted_weights, TST, Learning_constant).

一个解决方案可能是，如果有人为这种类型的函数提供一个训练集，包括三个初始权重和每个周期的输出。这可以帮助我自己调试这个问题。

回答：

这实际上是有效的。我提供的训练集太小了。使用更大的训练集和大约20个周期，全局误差收敛到0。