我正在尝试训练ANN（我使用这个库：http://leenissen.dk/fann/）并且结果有些令人费解 - 基本上如果我在用于训练的相同数据上运行经过训练的网络，输出不是什么在训练集中指定，但有些随机数。
例如，培训文件中的第一个条目类似于
88.757004 88.757004 104.487999 138.156006 100.556000 86.309998 86.788002
1
第一行是输入值，第二行是所需的输出神经元值。但是当我向训练有素的网络提供完全相同的数据时，我在每次列车尝试时都会得到不同的结果，并且它们与1完全不同，例如：
Max epochs 500000. Desired error: 0.0010000000.
Epochs 1. Current error: 0.0686412785. Bit fail 24.
Epochs 842. Current error: 0.0008697828. Bit fail 0.
my test result -4052122560819626000.000000
然后再尝试：
Max epochs 500000. Desired error: 0.0010000000.
Epochs 1. Current error: 0.0610717005. Bit fail 24.
Epochs 472. Current error: 0.0009952184. Bit fail 0.
my test result -0.001642
我意识到训练集的大小可能不足（到目前为止我只有大约100个输入/输出对），但是至少训练数据不应该触发正确的输出值？相同的代码适用于FANN网站上描述的“入门”XOR功能（我已经用完了我的1个链接限制）
答案 0 :(得分：3)
简答：否
答案较长（但可能不正确）：
1st：训练运行仅将神经元的权重移动到它们影响输出的位置，如同在testdata中一样。经过一些/多次迭代后，输出应该接近预期的输出。 Iff神经网络完成任务，这让我
第二：并非每个神经网络都适用于所有问题。对于单个神经元来说，很容易想出一个单个神经元无法逼近的简单函数。虽然不容易看到，但每个神经网络都适用相同的限制。在这种情况下，您的结果很可能看起来像随机数。评论后编辑：在许多情况下，可以通过向网络添加神经元来解决此问题。
第三：实际上第一点是神经网络的优势，因为它允许网络很好地处理异常值。
第四：我因为对音乐缺乏了解而责备3。它只是不适合我的大脑; - ）答案 1 :(得分：2)
不，如果你让你的人工神经网络在训练数据上完美运作，你要么有一个非常简单的问题，要么你过度拟合。