我创建了一个神经网络，结构如下：
输入1 - 输入2 - 输入层。
N0 - N1 - 隐藏层。每个节点3个权重（一个用于偏差）。
N2 - 输出层。 3个权重（一个用于偏见）。
我正在尝试使用以下测试数据训练XOR函数：
训练后，测试的均方误差（当寻找1个结果时）{0,1} = 0 ，这是我认为的好。然而，测试的均方误差（当寻找0结果时）{1,1} = 0.5 ，肯定需要为零。在学习阶段，我注意到真实结果的MSE在前几个时期内降至零，而虚假结果的MSE在0.5附近徘徊。
我正在使用反向传播来训练网络，具有sigmoid功能。问题是，当我在训练后测试任何组合时，我总是得到 1.0结果输出。 - 即使学习率极低，网络似乎学得很快。
如果有帮助，这里是产生的权重：
N0-W0 = 0.5 ，N0-W1 = -0.999 ，N0-W2 = 0.304 （偏差） - 隐藏层
N1-W0 = 0.674 ，N1-W1 = -0.893 ，N1-W2 = 0.516 （偏差） - 隐藏层
N2-W0 = -0.243 ，N2-W1 = 0.955 ，N3-W2 = 0.369 （偏差） - 输出节点
感谢。
答案 0 :(得分：0)
这些步骤有助于解决您的问题：
更改激活功能。这是一个类似的问题，我使用relu作为激活函数回答：Neural network XOR gate not learning
增加纪元数量。
将学习率更改为更合适的值，以便更快地达到收敛。你可以在这里找到更多信息： How to determine the learning rate and the variance in a gradient descent algorithm？