答案 0 :(得分：5)
已经有一段时间了，但我确实获得了这些学位，所以我希望其中一些已经停滞不前。
据我所知，你用输入集过度沉重中层神经元。也就是说，您的输入集包含10,000个离散输入值（100像素x 100像素）;你试图将这10,000个值编码成10个神经元。这种级别的编码很难（我怀疑这是可能的，但肯定很难）;至少，你需要大量的培训（超过500次运行）才能让它合理地重现。即使中间层有100个神经元，你也会看到一个相对密集的压缩级别（100像素到1个神经元）。
关于如何处理这些问题;好吧，这很棘手。你可以大大增加中间神经元的数量，你会得到合理的效果，但当然需要很长时间训练。但是，我认为可能会有不同的解决方案;如果可能，您可以考虑使用极坐标而不是笛卡尔坐标作为输入;快速眼球输入模式表明对称性很高，有效地你会看到一个线性模式，沿着角度坐标有一个重复的可预测变形，它似乎可以很好地编码在少数中间层神经元中。 / p>
这个东西很棘手;寻找模式编码的一般解决方案（正如您的原始解决方案所做的那样）非常复杂，并且通常（即使有大量的中间层神经元）也需要大量的训练过程;另一方面，一些先进的启发式任务分解和一些问题重新定义（即从笛卡尔坐标转换到极坐标）可以为明确定义的问题集提供良好的解决方案。当然，这是永久的磨擦;一般的解决方案很难得到，但稍微更具体的解决方案确实非常好。
有趣的东西，无论如何！