神经网络 - 输出收敛到0，python

我想使用简单的反向传播和单热编码在多层神经网络中将2D数据分为3类。在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。我不知道我是否需要衍生其他东西，或者如果我在代码中犯了一些错误。神经网络 - 输出收敛到0，python

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])]

来源

2013-04-11 user2173836

我想尝试一些玩具的例子，我确定NN会如何表现和调试我的代码。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。但它可以花费相当长的时间，因此我会选择一些更简单的ML技术，例如决策树不是黑箱而是NN。通过决策树，您可以更轻松，更快地找到解决方案。问题是你是否可以在NN以外的地方实现它...

来源

2013-04-12 08:58:45 xhudik

神经网络 - 输出收敛到0，python

回答

相关问题