为什么我的神经网络总是预测相同的输出？ （synaptic.js）

Question

您好，这个问题与Synaptic.js有关。

我正在尝试使用神经网络从图像中读取手写数字。图片尺寸为120x90，并且仅包含黑白像素。我正在使用html5 canvas将图像转换为矩阵，然后再将其馈入具有10800个输入，30个隐藏层和3个输出的NN。

var myNetwork = new synaptic.Architect.Perceptron(10800,30,3);

var learningRate = .3; 

将图像转换为矩阵的代码：

var matrix = [];                
for(i = 0; i < img.height; i++) {
        for(j = 0; j < img.width; j++) {
                var rgba = ctx.getImageData(j, i, 1, 1);
                var avg = ((rgba["data"][0] + rgba["data"][1] + rgba["data"][2]) / 3);

                var indice;

                if(avg < 150) indice = 1;
                else indice = 0;

                matrix.push(indice);
            }
        }

上面的代码给出了我期望的结果，基本上它将“白色”像素转换为0，将“黑色”像素转换为1。所附的是包含“ 1”的图像的矩阵示例（我调整了实际Matrix的大小，因为它也是如此大） ： matrix illustration

当我向NN输入两个图像时，每个图像都包含'1'或'2'手写数字，它可以将它们正确分类。同样，当我尝试向其再添加五个包含“ 1”或“ 2”手写数字的图像时，NN仍然能够对其进行很好的分类。

我用来训练NN的代码：

myNetwork.propagate(learningRate, [1, 0]); //Train NN to learn '1'
myNetwork.propagate(learningRate, [0, 1]); //Train NN to learn '2'

但是，当我开始将“ 3”馈入网络时，它开始将每个图像输入（包括“ 1”和“ 2”）分类为第三类。基本上，当输出大小大于2时，NN总是会预测相同的输出，这是我训练它学习的最后一个类别。

myNetwork.propagate(learningRate, [0, 0, 1]); //Train NN to learn '3'

我每个数字有75张以上的图像，并且我尝试全部填充，但NN始终将它们归类为“ 3”。我在这里做什么错？感谢您的任何帮助，谢谢！