我做了一个神经网络也有Back Propagation.it在输入层有5个节点，隐藏层有6个节点，输出层有1个节点，并且有随机权重，我用sigmoid作为激活函数。 / p>
我有两组输入数据。
例如：
13.5 22.27 0 0 0 desired value=0.02
7 19 4 7 2 desired value=0.03
现在我用5000次迭代训练网络或迭代将停止，如果错误
值（desired - calculated output value）小于或等于0.001。
每个输入集的第一次迭代的输出值约为60，并且每次迭代都会减少。
现在问题是第二组输入（期望值为0.03）导致停止迭代，因为计算出的输出值为3.001，但第一组输入未达到所需的值（即0.02）并且其输出约为0.03。
已编辑：
我使用LMS算法并更改错误阈值0.00001以找到正确的错误值，但现在0.03和0.02所需值的最后一次迭代输出值介于0.023和0.027之间，这是不正确的。
答案 0 :(得分：1)
对于您的错误值停止阈值，您应该在一个纪元（所有数据集的每个错误的总和）上获取错误，而不仅仅是在您的数据集的一个成员上。有了这个，你将不得不增加你的错误阈值，但它会迫使你的神经网络对你的所有例子做一个很好的分类，而不仅仅是在一些例子上。