我有一个网络，它有 3 个输入、2 个隐藏层（每个 6 个神经元，Sigmoid 激活函数）和一个神经元作为输出。我希望我的网络是连续的，因为我不是在看分类网络（希望这是有道理的）。
我的输入代表一年中的天数（0-365 范围）。我实际上将它们标准化为 0-1 范围（因为 sigmoid）。
我的问题如下：无论训练误差多么小，重用训练集时的实际值都不正确。根据我运行的时期数，我得到不同的结果。
如果我训练我的网络超过几千次，我只会得到两种可能的结果。如果我少训练它，我会得到更多可能的结果，但这些值与我的预期相去甚远。
我已经读过对于连续网络，最好使用两个隐藏层。
我不确定我做错了什么。如果您能提供任何帮助，那就太好了。如果您需要更多详细信息，请告诉我。
谢谢
更新 1
我减少了训练集中的元素数量。这次网络在少数时期内收敛。以下是训练错误：
培训网络
迭代#1。错误：0.0011177179783950614
迭代#2。错误：0.14650660686728395
迭代#3。错误：0.0011177179783950614
迭代#4。错误：0.023927628368006597
迭代#5。错误：0.0011177179783950614
迭代 #6。错误：0.0034446569367911364
迭代 #7。错误：0.0011177179783950614
迭代#8。错误：8.800816244191594E-4
最终错误：0.0011177179783950614