我已经实现了一个基于多层感知器的神经网络来解决与音频回归（真实回归）相关的问题。通过互联网阅读文档，科学文章和其他一些实现，我得出的结论是多层感知器不足以解决我的问题，因为如果输出是二进制的，它可以正常工作，但我需要实际输出，如果输出在范围（0,1）内，则独立。
问题是网络没有正确训练，因为当我连续呈现相同的例子时，它会在激活函数的梯度方向上正确调整权重，但是当训练随机挑选训练样例时，效果不好。
我曾想过在训练集的每个EPOCH之后使用遗传算法来调整权重，以指导网络的重量调整。
有人能指导我一点吗？我还考虑过使用另一种网络结构作为Adaline，或者即使它变得难看，尝试实现一个支持向量机（我不喜欢xD）
非常感谢您提前
答案 0 :(得分：0)
无论训练类型如何，使用您提到的表现良好的功能（与音频的复杂性相比）都无法让您到达目的地。
让我们从头开始 - 你试图捕捉音频的哪些特征/特征？
你的样品等多长时间了？