Нейронную

Иногда одного классификатора недостаточно 
47

---

На этот раз красной оказалась лишь точка (0 ,0 ), поскольку ей со­
ответствуют ложные значения на обоих входах, А и В. Во всех других 
комбинациях значений хотя бы одно из них является истинным, и по­
этому для них результат является истинным. Вся прелесть этой диа­
граммы заключается в том, что она наглядно демонстрирует возмож­
ность обучения линейного классификатора работе с функцией ИЛИ.
Существует еще одна булева функция, исключающее ИЛИ, кото­
рая дает истинный результат только в том случае, если лишь одно из 
значений на входах А и В истинно, но не оба. Таким образом, если оба 
входных значения ложны или оба истинны, то результат будет лож­
ным. Все вышесказанное резюмировано в приведенной ниже таблице.
Входное значение А
Входное значение В
Исключающее ИЛИ
0
0
0
0
1
1
1
0
1
1
1
0
48 
Глава 1. Как работают нейронные сети

---

Взгляните на диаграмму, соответствующую этой функции.
Вот вам и проблема! Мы не видим способа разделить зеленую 
и красную области одной прямой линией.
В действительности так оно и есть: невозможно провести одну 
прямую линию таким образом, чтобы она успешно отделила красные 
точки данных от зеленых для функции исключающего ИЛИ. Это 
означает, что простой линейный классификатор не в состоянии об­
учиться работе с функцией исключающего ИЛИ, если предоставить 
ему тренировочные данные, управляемые этой функцией.
Только что мы продемонстрировали главное ограничение простого 
линейного классификатора: такие классификаторы оказываются не­
пригодными, если базовая задача не допускает разделения данных 
одной прямой линией.
Но ведь мы хотим, чтобы нейронные сети можно было использо­
вать для решения самого широкого круга задач, даже тех, которые 
не допускают линейного разделения данных.