我有一个需要20个输入和20个输出的数据集。为了提高准确性，输出减少到1，并且20个单独的网络，这些网络通过相同的输入训练到适当的目标输出。每个网络都训练到0.01 RMS或更高的验证错误。然而，当我去一个单独的现实世界检查它时，＃34;数据集每个单独网络的性能以不可预测的方式起作用。我真的只需要7-10个输出，但由于可变性，我使用所有20个。有没有办法跟踪每次输出最准确的输出或更好的方式来获得20 in 10出网？主要问题是我的应用程序需要一个整数，因此舍入会导致绝对精度问题。我正在使用sigmoid隐藏层，我的数据集规范化在0和1之间。网络是使用Neupy for Python完成的。