Pybrain为任何输入输出相同的结果

Question

我正在尝试用Pybrain训练一个简单的神经网络。训练结束后，我想确认nn是否按预期工作，因此我激活了我用来训练它的相同数据。 然而，每次激活都会产生相同的结果。我是否误解了神经网络的基本概念，还是设计出来？

我尝试改变隐藏节点的数量，隐藏类型，偏见，学习率，训练时期的数量以及没有用的动力。

这是我的代码......

from pybrain.tools.shortcuts import buildNetwork                                
from pybrain.datasets import SupervisedDataSet                                  
from pybrain.supervised.trainers import BackpropTrainer

net = buildNetwork(2, 3, 1)  
net.randomize()                                                    

ds = SupervisedDataSet(2, 1)                                                       
ds.addSample([77, 78], 77)                                                         
ds.addSample([78, 76], 76)                                                         
ds.addSample([76, 76], 75)                                                         

trainer = BackpropTrainer(net, ds)                                                 
for epoch in range(0, 1000):                                                                   
    error = trainer.train()                                                                    
    if error < 0.001:                                                                          
        break                                                      

print net.activate([77, 78])                                                       
print net.activate([78, 76])                                                       
print net.activate([76, 76])  

这是结果的一个示例......正如您所看到的，即使激活输入不同，输出也是相同的。

[ 75.99893007]
[ 75.99893007]
[ 75.99893007]

Answer 1

我有类似的问题，通过执行以下操作，我能够提高准确度（I.E.为每个输入获得不同的答案）。

1. 规范化/标准化输入和输出到神经网络

   • 这样做可以让神经网络更准确地确定网络的内部权重和值，以便预测答案

   • 这是一篇更详细解释它的文章。 http://visualstudiomagazine.com/articles/2014/01/01/how-to-standardize-data-for-neural-networks.aspx

Answer 2

最后，我通过归一化0到1之间的数据来解决这个问题，并进行训练直到错误率达到0.00001。训练需要更长的时间，但我现在确实得到了准确的结果。