我正在尝试使用简单的反向传播和单热编码将多层神经网络中的 2D 数据分为 3 类。在我将增量学习更改为批量学习后，我的输出收敛到 0 ([0,0,0])，主要是如果我使用更多数据或更高的学习速度。我不知道我是否必须衍生出其他东西，或者我是否在代码中犯了一些错误。
for each epoch: #pseudocode
for each input:
caluclate hiden neurons activations (logsig)
calculate output neurons activations (logsig)
#error propagation
for i in range(3):
error = (desired_out[i] - aktivations_out[i])
error_out[i] = error * deriv_logsig(aktivations_out[i])
t_weights_out = zip(*weights_out)
for i in range(hiden_neurons):
sum_error = sum(e*w for e, w in zip(error_out, t_weights_out[i]))
error_h[i] = sum_error * deriv_logsig(input_out[i])
#cumulate deltas
for i in range(len(weights_out)):
delta_out[i] = [d + x * coef * error_out[i] for d, x in zip(delta_out[i], input_out)]
for i in range(len(weights_h)):
delta_h[i] = [d + x * coef * error_h[i] for d, x in zip(delta_h[i], input)]
#batch learning after epoch
for i in range(len(weights_out)):
weights_out[i] = [w + delta for w, delta in zip(weights_out[i], delta_out[i])]
for i in range(len(weights_h)):
weights_h[i] = [w + delta for w, delta in zip(weights_h[i], delta_h[i])]
最佳答案
我会尝试一些玩具示例，我确定 NN 将如何表现并调试我的代码。如果我确定我的代码是有效的 NN 并且我仍然没有得到好的结果，我会尝试更改 NN 的参数。但这可能相当耗时，因此我会选择一些更简单的机器学习技术，例如决策树不像神经网络那样是黑盒。使用决策树，您应该更容易、更快地找到解决方案。问题是你是否可以在神经网络以外的地方实现它......
关于python - 神经网络 - 输出收敛于 0，python，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/15948940/