c++ - 神经网络在用于处理数据之前似乎工作正常（所有结果实际上都相同）

Question

我最近实现了一个典型的 3 层神经网络（输入 -> 隐藏 -> 输出），我正在使用 sigmoid 函数进行激活。到目前为止，宿主程序有3种模式：

1. 创造，这似乎工作正常。它创建一个具有指定数量的输入、隐藏和输出神经元的网络，将权重初始化为随机值或零。
2. 训练加载数据集，计算网络的输出，然后反向传播误差并更新权重。据我所知，这行得通。在对数据集进行训练之后，权重会发生变化，但不会非常大。
3. 处理，这似乎工作正常。但是，用于训练的数据集或任何其他数据集的数据输出非常糟糕。它通常只是一个连续的 1 流，偶尔会出现 0.999999，或者每个输入的每个输出值都是 0.9999，最后一个数字在输入之间是不同的。据我所知，最后 2 位数字与应该输出的内容之间没有相关性。

我应该如何去弄清楚什么是不正常的？

Answer 1

您需要找到一组参数（神经元数量、学习率、训练迭代次数），这些参数可以很好地对以前看不见的数据进行分类。人们通常通过将他们的数据分成三组来实现这一点：训练、验证和测试。

无论您决定做什么，请记住，在与您训练的相同数据上进行测试确实没有意义，因为任何接近合理的分类方法都应该在这样的设置下得到 100% 正确。