我在我的研究中使用带有Java的Encog 2.4.0来评估字体数字（0-9）识别中的反向传播和遗传算法。我正在使用JavaCV将我的数字（图像）处理为0和1的文本文件，每行代表一个字体图像图像。每个字体（行）都有256个属性（0或1）。 我的网络输入节点号是256，输出节点是10（类），我在我的网络中使用sigmoid激活功能。我的输出也归一化为0和1（例如1000000000表示0,0100000000表示1，依此类推至9）。 通过不同训练集（100到700个样本）和测试集（50到300）进行11次测试，学习率和动量具有不同的参数，我对准确性和速度的反向传播性能非常满意（10秒到＆lt; 4分钟）。但不幸的是:(使用具有不同参数的遗传算法进行11次测试，我无法获得准确性或速度正确。对于BP，4分钟GA需要2到13个小时，准确度也低于0.01％这个案子似乎是偶然的。我尝试过初始种群大小从200到500，交配种群从0.25（25％）到0.50（50％），突变率I尝试了0.1,0.05,0.01和0.001。我正在使用FanInRandomizer。
网络输入和输出结构类似于XOR示例。在XOR中，输入是4 X 2的数组，输出是4 X 1.
我的是：'没有样本'X 256用于输入，'没有样本'X 10用于输出。
有人可以说明我出错的地方吗？
谢谢， 胡斯
答案 0 :(得分：1)
首先，这是一个非常古老的Encog版本。遗传算法代码在3.x中发生了很大变化，仅此一点可能有所帮助。
至于为什么它没有收敛，这可能是一个困难的问题，而不是查看实际数据和试验。一些想法。