我已经构建了一个相对简单的人工神经网络，试图在Q-Learning问题中对Value函数进行建模，但是为了验证我的网络实现是否正确我试图解决XOR问题。
我的网络架构使用两个层，两个层都具有tanh激活，学习因子为.001，偏置单位和动量设置为.9。在每次训练迭代之后，我打印错误项（使用平方误差），并运行直到我的误差收敛到〜.001。大约75％的时间都可以工作，但是另外25％我的网络会收敛到〜.5错误，这个问题相当大。
以下是错误术语的打印输出示例：
0.542649
0.530637
0.521523
0.509143
0.504623
0.501864
0.501657
0.500268
0.500057
0.500709
0.501979
0.501456
0.50275
0.507215
0.517656
0.530988
0.535493
0.539808
0.543903
错误一直振荡到无穷大。
所以问题是：我的实施是否已被破坏，或者我是否可能遇到本地最低要求？