我有一个学校项目来编写多层感知器，将数据分为三类。我已经从http://home.agh.edu.pl/~vlsi/AI/backp_t_en/backprop.html实现了反向传播算法。我检查了我的算法（通过手动计算反向传播的每个步骤）是否真的符合这个解释的步骤并且符合。
对于分类，我使用的是 one-hot 代码，我的输入由具有 2 个值的向量和三个输出神经元（每个用于单个类）组成。在每个时代之后，我都会对输入数据进行洗牌。对于分类，我使用的是 sigmoid 函数。我也尝试实现 softmax，但我还没有发现派生 softmax 看起来如何。权重调整是否需要导数 softmax？为了检查网络是否成功分类输入，我正在比较具有输出神经元最大输出的输出神经元的位置是否对应于当前输入 one-hot 代码向量中等于 1 的位置。
但是我的实现并没有训练这个神经网络。我正在为此工作并调试几天，并在互联网上查找我做错了什么，但我没有找到答案。我真的不知道我在哪里犯错。当我有 10 个输入时，我的神经网络将成功训练，但是当我有 100、200、400 和 800 个输入时，当它有一半好的分类输入时，它开始循环。正如我所说，我的反向传播算法很好。Visual Studio 2010 中带有输入文件的整个 C++ 项目在这里： http: //www.st.fmph.uniba.sk/~vajda10/mlp.zip
结构：
struct input {
vector<double> x;
vector<double> cls;
};
struct neuron {
double output;
double error;
neuron(double o, double e): output(o), error(e) { };
};
全局变量：
double alpha = 0.5;
vector<vector<input>> data;
vector<vector<neuron>> hiddenNeurons;
vector<neuron> outputNeurons;
vector<vector<vector<double>>> weights;
这是我的反向传播算法代码：
for (int b = 0; b < data[0].size(); b++) {
// calculate output of hidden neurons
for (int i = 0; i < hiddenNeurons.size(); i++) {
for (int j = 0; j < hiddenNeurons[i].size(); j++) {
double activation = neuronActivation(0, b, i, j);
hiddenNeurons[i][j].output = sigmoid(activation);
}
}
double partError = 0;
// calculate output and errors on output neurons
for (int k = 0; k < outputNeurons.size(); k++) {
double activation = neuronActivation(0, b, hiddenNeurons.size(), k);
outputNeurons[k].output = sigmoid(activation);
outputNeurons[k].error = data[0][b].cls[k] - outputNeurons[k].output;
partError += pow(outputNeurons[k].error, 2);
}
error += sqrt(partError)/outputNeurons.size();
// if classification is wrong
if (data[0][b].cls[maxOutputIndex(outputNeurons)] != 1) {
wrongClass++;
// error backpropagation
for (int i = hiddenNeurons.size()-1; i >= 0; i--) {
for (int j = 0; j < hiddenNeurons[i].size(); j++) {
hiddenNeurons[i][j].error = 0.0;
if (i < hiddenNeurons.size()-1) {
for (int k = 0; k < hiddenNeurons[i+1].size(); k++) {
hiddenNeurons[i][j].error += hiddenNeurons[i+1][k].error * weights[i+1][j][k];
}
}
else {
for (int k = 0; k < outputNeurons.size(); k++) {
hiddenNeurons[i][j].error += outputNeurons[k].error * weights[i+1][j][k];
}
}
}
}
// adjust weights
for (int i = 0; i < weights.size(); i++) {
int n;
if (i < weights.size()-1) {
n = hiddenNeurons[i].size();
}
else {
n = outputNeurons.size();
}
for (int k = 0; k < n; k++) {
for (int j = 0; j < weights[i].size(); j++) {
double y;
if (i == 0) {
y = data[0][b].x[j];
}
else {
y = hiddenNeurons[i-1][j].output;
}
if (i < weights.size()-1) {
weights[i][j][k] += alpha * hiddenNeurons[i][k].error * derivedSigmoid(hiddenNeurons[i][k].output) * y;
}
else {
weights[i][j][k] += alpha * outputNeurons[k].error * derivedSigmoid(outputNeurons[k].output) * y;
}
}
}
}
}
}
拜托，谁能告诉我我做错了什么，或者给我一个建议，告诉我必须在哪里寻找错误？我希望我已经告诉了所有重要的事情。请原谅我英语不好。
