我已经在 Python 中为多层、前馈、反向传播结构完成了神经网络的编码。在这个网络结构中,输入层有 24 个节点,隐藏层有 18 个节点,输出层有 1 个节点。对于小数据集,我得到了良好的训练结果,但对于大数据输入,我无法设置学习率、动量率等常量参数的值。我将输入值的输入样本设置为:
[[1,0,1,0,1,0,1,0,1,1,1,1,0,0,0,0,0,1,1,1,0,1,0,1]
[1,0,1,0,1,0,1,0,1,1,1,1,0,0,0,0,0,1,1,1,0,1,0,1]
[1,0,1,0,1,0,1,0,1,1,1,1,0,0,0,0,0,1,1,1,0,1,0,1]
.
. ......................... ]
并将目标值的样本输入为:
[[-20.0]
[-10.0]
[30.0]
.
.....]
样本总数约为 5000。我已经使用
learning_rate = 0.01
momentum_rate = 0.07
它给出了很好的结果,但花费了很多时间和大约 500000 次的迭代。对于设置学习率和动量率有什么好的建议,这样我就可以快速得到我的结果。或者我应该引入增加学习率比率,如果我引入学习率,那么值应该是多少?