2

我正在设计一个具有 22 个输入和 1 个输出（1 或 0）的前馈反向传播 ANN。NN 有 3 层，使用 10 个隐藏神经元。当我运行 NN 时，它只会稍微改变权重，输出的总误差约为 40%。最初，我认为它过拟合/欠拟合，但在我改变了隐藏神经元的数量之后，什么都没有改变。

N 是输入的数量 (22)

M 是隐藏神经元的数量 (10)

这是我用来反向传播的代码

oin 是在放入 sigmoid 函数之前计算的输出

oout 是经过 sigmoid 函数后的输出

double odelta = sigmoidDerivative(oin) * (TARGET_VALUE1[i] - oout);
    double dobias = 0.0;
    double doweight[] = new double[m];

    for(int j = 0; j < m; j++)
    {
        doweight[j] = (ALPHA * odelta * hout[j]) + (MU * (oweight[j] - oweight2[j]));
        oweight2[j] = oweight[j];
        oweight[j] += doweight[j];
    } // j

    dobias = (ALPHA * odelta) + (MU * (obias - obias2));
    obias2 = obias;
    obias += dobias;

    updateHidden(N, m, odelta);

这是我用来改变隐藏神经元的代码。

 for(int j = 0; j < m; j++)
        {
            hdelta = (d * oweight[j]) * sigmoidDerivative(hin[j]);

            for(int i = 0; i < n; i++)
            {
                dhweight[i][j] = (ALPHA * hdelta * inputNeuron[i]) + (MU * (hweight[i][j] - hweight2[i][j]));
                hweight2[i][j] = hweight[i][j];
                hweight[i][j] += dhweight[i][j];


            } 

            dhbias[j] = (ALPHA * hdelta) + (MU * (hbias[j] - hbias2[j]));
            hbias2[j] = hbias[j];
            hbias[j] += dhbias[j];
        } `
4

1 回答 1

1

您正在学习您的网络在一个节点上输出两个类。连接到这个网络的权重正在适应预测一个类，然后是另一个类。所以大多数时候你的权重会适应你数据中的主导类。为避免出现此问题，请添加另一个节点以在输出上有两个节点，每个节点都引用一个类。

于 2016-12-31T14:24:46.680 回答