h2o深度学习NN 1层非再现X + Y = Z.

Question

我刚刚开始使用h2o软件包，以建立一个带有deeplearning包的受监督的NN网络。 为了使我有点正常，我开始尝试模拟像X + Y = Z

这样的函数

我的代码如下：

data <- read.table("DeepLearningTest.csv", header = FALSE, sep = ",", quote = "", stringsAsFactor = F)

test <- read.table("DeepLearningTestRun.csv", header = FALSE, sep = ",", quote = "", stringsAsFactor = F)

   df <- data.frame (data)
   tf <- data.frame (test)
   h2o.init ()
   hf <- as.h2o (df)

m2 <- h2o.deeplearning(
  training_frame=hf, 
  x=0:1,
  y='C',
  hidden = c(100),             
  epochs=100000,                    
  stopping_tolerance=0.001
)

h2o.predict (m2, as.h2o(tf))

我的测试样本如下（例如）：

1 1 2 2 2 4 3 3 6 4 4 8 。 。 。 直到 2000 2000 4000

一般来说，X + X = 2X

我不理解的东西，我写的是，如果我使用一层网络（对于通用近似定理应该是足够的） 我可以追踪网络并预测预测范围内的相当好的值。

例如网络正在给我

100 100 200 101 101 202 7 7 14

但是当我放 4000 4000

结果具有误导性。它给了我6300这样的东西 似乎网络无法推广。 做这种行为我做错了什么？

感谢您的关注。

此致 尼古拉