无论输入如何，神经网络分类总是返回与隐藏层相同的标签

Question

我使用MatConvNet测试三类分类问题的前馈网络。

我的输入数据有5个功能，网络拓扑结构如下：

*隐藏层：1个节点，5个权重＆amp; 1偏见 激活功能：sigmoid

*输出层：3个节点，每个节点有1个权重＆amp; 1偏见 激活功能：sigmoid / softmax + loss

问题是这样的，无论我如何改变网络的拓扑结构，就像网络有隐藏层一样，它总是为任何输入返回相同的标签。此外，一旦我添加了隐藏层，网络总是在3个时期内收敛。here is how it converged with hidden layer

然而，如果网络没有任何隐藏层，网络可以“正常”运行（给出不同的标签）。

我试过了：

*规范化输入数据

*减去平均值

*更改为不同的激活功能，sigmoid / softmax

但它们都不起作用......

所以任何人都知道这个问题有什么问题吗？ 感谢。