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。