我正在研究 FF 神经网络(用于分类问题)，我正在使用 PSO 对其进行训练。我只有一个隐藏层，我可以改变该层中神经元的数量。
我的问题是神经网络可以很容易地学习线性可分离的问题，但不能像它应该能够做到的那样学习不可线性分离的问题(如 XOR)。
我相信我的 PSO 工作正常，因为我可以看到它试图最小化每个粒子的误差函数(使用训练集的均方误差)。
我尝试使用 sigmoid 和线性激活函数，但结果相似(不好)。我还有一个偏置单元(这也没有多大帮助)。
我想知道的是，是否有一些特定的事情我可能做错了，可能会导致此类问题，或者也许只是我应该看看错误可能出在哪里。
我现在有点迷茫
谢谢
最佳答案
PSO 可以训练神经网络来解决非线性可分问题，例如 XOR。我以前做过这个，我的算法最多需要大约 50 次左右的迭代。 Sigmoid 是一个很好的 XOR 激活函数。如果它确实针对不可分离的问题收敛，那么我的猜测是您的隐藏层没有产生效果，或者被绕过。因为隐藏层通常是不可分离的。
当我调试人工智能时，我发现首先确定我的训练代码或评估代码(在本例中为神经网络)是否有错误通常很有用。您可能想为您的网络创建第二个培训师。然后您可以确保您的网络代码正确计算输出。你甚至可以做一个简单的“爬山者”。选择一个随机权重并随机进行少量更改(向上或向下)。你的错误好转了吗？保持体重变化并重复。您的错误是否变得更严重，放弃更改并重试。
关于java - 人工神经网络 PSO 训练，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/16349671/