Sigmoid陷入局部最小值（WEKA）的感知器

Question

我知道通常使用具有线性输出的感知器（无隐藏层）在错误表面中没有局部最小值。但是有可能使用sigmoid函数使用感知器陷入局部最小值，因为它不是线性的吗？ 我正在使用WEKA中的functions.MultilayerPerceptron（使用sigmoid激活函数和Backpropagation），没有隐藏层。我在具有4个不同类别的线性可分数据集上训练它。当我更改随机生成器的种子（用于节点的初始权重）时，大多数时候它只对60％的权限进行分类（它没有完全学习目标概念）。但我找到了一个特定的种子，它将90％分类（这是最佳的）。我已经充满了动力，训练时间和学习率，但它没有改变任何东西。它似乎陷入了局部最低限度.. 还有什么可以解释？

我很感谢任何帮助

Answer 1

Simgoid激活功能没有任何改变，这是仍然是线性模型。所以没有当地的最佳选择。行为错误的唯一原因是一些奇怪的停止标准和/或数据处理/方法实现中的错误。