我最近刚编写了一个感知器，它将一个OR门作为其值。然而，目前我的代码只能训练一个点，而我想让它训练OR门的四个点。这是我的附件代码，我还在学习如何编程，所以请原谅我的一些错误。

using System;using ActivationFunction;namespace Perceptron{    class Point    {        private double input1; //创建私有字段        public double Input1 { get => input1; set => input1 = value; } //创建公共属性（数据封装的重要性）        private double input2;        public double Input2 { get => input2; set => input2 = value; }        private double desiredOutput;        public double DesiredOutput { get => desiredOutput; set => desiredOutput = value; }        public Point() /*创建一个空构造函数，以便可以实例化类的对象以引用变量*/        {        }        public Point(int input1, int input2, int desiredOutput) //接受感知器的输入        {            this.input1 = input1;            this.input2 = input2;            this.desiredOutput = desiredOutput;            Console.WriteLine("输入 1 => " + Input1);            Console.WriteLine("输入 2 => " + Input2);            Console.WriteLine("期望输出 => " + desiredOutput);        }    }    class NeuralNetwork    {        readonly Point point = new Point(); //用于从点引用变量到类        private double[] weights = new double[3];        private double output;         private const double bias = 1; //创建常量偏置        private double error;         private const double learningRate = 0.25; //常量学习率         public NeuralNetwork(Point point) //可能是不必要的...        {            this.point = point;        }        public void RandomiseWeightsAndBias()        {            Random rand = new Random();            for (int i = 0; i < weights.Length; i++) //循环遍历权重            {                weights[i] = rand.NextDouble();                weights[i] -= 0.5; //预期范围现在是-0.5到+0.5                weights[i] *= 2; //预期范围现在是-1到1                Console.WriteLine("起始突触权重 => " + weights[i]);            }            Console.WriteLine("偏置是 => " + bias);        }        public double DotProductBias() //将输入和权重相加        {            return point.Input1 * weights[0] + point.Input2 * weights[1] + bias * weights[2];        }        public double ActivationFunction() //应用激活函数        {            DotProductBias();            output = ActivationFunctions.StepActivation(DotProductBias()); //激活函数是另一个类的部分，有一个内置的静态函数，接受一个静态的double作为输入            return output;        }        public void CalculateError() //计算错误        {            error = point.DesiredOutput - output;            Console.WriteLine("错误是 => " + error);        }        public void AdjustWeights() //执行梯度下降        {            weights[0] += learningRate * weights[0] + error * point.Input1; //我知道我可以使用for循环使其更简洁和清晰，但目前这样可以工作            weights[1] += learningRate * weights[1] + error * point.Input2;            weights[2] += learningRate * weights[2] + error * bias;            for (int i = 0; i < weights.Length; i++)            {                Console.WriteLine("调整后的权重是 => " + weights[i]);            }        }        public void Train(int epochs) //训练或“反向传播权重”        {            for (int i = 0; i < epochs; i++)            {                AdjustWeights();            }        }    }    class Program    {        static void Main(string[] args)        {            var point = new Point(0, 1, 1);            /*            var point2 = new Point(0, 1, 0);            var point3 = new Point(1, 0, 0);            var point4 = new Point(1, 1, 1);            */            var neuralNetwork = new NeuralNetwork(point);            neuralNetwork.RandomiseWeightsAndBias();            neuralNetwork.ActivationFunction();            neuralNetwork.CalculateError();            neuralNetwork.Train(8);            Console.WriteLine("最终输出是 " + neuralNetwork.ActivationFunction());        }    }}

从代码来看，很明显我需要更改Point类构造函数的值，可能需要将输入改为数组或列表？请帮助我！

回答：

在我看来，这里有几个可能的问题，首先看起来你想训练的点不是OR门，而是XOR门，而单个感知器无法实现XOR。原因是XOR的类别不是线性可分的。你无法画一条直线来分隔点(0,0),(1,1)和点(0,1),(1,0)。OR门的点应该是[0,0,0] [1,0,1] [1,1,1] [0,1,1]，更多信息请阅读这里 https://en.wikipedia.org/wiki/OR_gate 。

其次，看起来你的权重调整似乎有误——在感知器中调整权重时，我们使用这个公式：新权重 = 权重 + 错误 * 输入 * 学习率，而在你的例子中，你多乘了一次权重。

在这样简单的例子中，使用阈值激活函数是方便的，基本原理是——如果输出 < 0 则返回0，否则返回1。