我已经创建了一个神经网络，在实现XOR门时可以正常运行，它可以在输入28X28的图像大小时工作，虽然我还没有用其他图像测试它，28X28采用浮点运算数量和工作正常。但是，每当我输入大小为100X100的图像时，它似乎都无法工作。我更改了隐藏层的参数，它们是32个节点65个节点和100个节点。如果此100X100图像仅为1和0，则情况不同。我是否可以将像素值转换为错误，但如果是这样，为什么它适用于28X28图像尺寸？
我使用的算法使用在线学习，其中权重是每个输入的更新。
我注意到的另一件事是每当我输入大量数据如100X100图像时，算法似乎都停留在0.3~0.1ish mse。是不是我可能会遗漏算法中的某些内容？
权重为-0.5,0.5的范围。最初，他们在这些数字之间随机化。
我已经将3张图片用于衬衫上，每件都是100X100。
[outputs] mean-squared-error
32 node error after 400 iteration for 100X100 image with floating point input:
> [ 0.841227 0.674843 0.804683 ] 0.283846
> [ 0.841227 0.674843 0.804683 ] 0.283846
> [ 0.841227 0.674843 0.804683 ] 0.283846
> [ 0.841227 0.674843 0.804683 ] 0.283846
> [ 0.841227 0.674843 0.804683 ] 0.283846
> [ 0.841227 0.674843 0.804683 ] 0.283846
> [ 0.841227 0.674843 0.804683 ] 0.283846
65 nodes:
> [ 0.897245 0.706758 0.877548 ] 0.302012
> [ 0.897245 0.706757 0.877549 ] 0.302012
> [ 0.897245 0.706758 0.877548 ] 0.302012
> [ 0.897245 0.706757 0.877549 ] 0.302012
> [ 0.897245 0.706758 0.877548 ] 0.302012
> [ 0.897245 0.706757 0.877549 ] 0.302012
> [ 0.897245 0.706758 0.877548 ] 0.302012
> [ 0.897245 0.706757 0.877549 ] 0.302012
100 node:
> [ 0.942706 0.843137 0.897838 ] 0.307912
> [ 0.91558 0.671391 0.938428 ] 0.316687
> [ 0.942706 0.843141 0.897838 ] 0.307912
> [ 0.91558 0.671393 0.938427 ] 0.316687
> [ 0.942706 0.843137 0.897838 ] 0.307912
> [ 0.91558 0.671391 0.938428 ] 0.316687
> [ 0.942706 0.84314 0.897838 ] 0.307912
我是否陷入了局部最小值？
此处的代码可以随意查看link！