Question

我需要实现一个Robot Brain，我使用前馈神经网络作为控制器。机器人有24个声纳sonsor，只有一个输出R =右，L =左，F =前进，B =后。我还有一个包含声纳数据和所需输出的大型数据集。使用反向传播算法训练FNN。

我使用neuroph Studio来构建FNN并进行训练。这里的网络参数：

输入图层：24 隐藏层：10 输出层：1 LearnningRate：0.5 动量：0.7 GlobalError：0.1

我的问题是在迭代期间，错误略有下降，似乎是静态的。我试图更改参数，但我没有得到任何有用的结果!!

感谢您的帮助

Answer 1

使用n个编码中的1个作为输出。使用4个输出神经元，并设置目标（输出）数据，如下所示：

1 0 0 0 = right
0 1 0 0 = left
0 0 1 0 = forward
0 0 0 1 = back

首先减少输入传感器（和相应的输入神经元）的数量，减少到3或5.这将简化操作，以便您可以了解正在发生的事情。稍后您可以构建最多24个输入。

神经网络经常在训练期间陷入局部最小值，这可能就是你的错误是静态的。增加动力可以帮助避免这种情况。

你的学习率看起来很高。尝试0.1，但玩这些值。每个问题都是不同的，没有任何值可以保证有效。