Question

我正在使用仅包含一个隐藏层的C ++构建神经网络。我的神经网络接受2个输入并产生1个输出，前两个节点带有偏置节点。当我仅用一种类型的数据训练网络时（例如输入=（0,0），所需的输出= 1），网络训练得很好。但是当我用两种类型训练时（例如（0,0）-> 1，（1,0）-> 0），网络性能会非常差。我所做的就是循环播放

设置期望的输入=（0,0），设置期望的输出= 1
向前传播
计算错误
向后传播
设置所需的输入=（1,0），设置所需的输出= 0
向前传播
计算错误
向后传播

以下是代码摘录

vector<double> input0, output0;
input0.push_back(0);
input0.push_back(0);
output0.push_back(1);

vector<double> input1, output1;
input1.push_back(1);
input1.push_back(0);
output1.push_back(0);

for(int i = 0; i < 2000; i++){
  n->setUserInput(input0);
  n->setIdealOutputs(output0);
  n->feedForward();
  n->backPropagate();

  n->setUserInput(input1);
  n->setIdealOutputs(output1);
  n->feedForward();
  n->backPropagate();
}

当我仅执行循环中的两个块之一时，网络运行良好。出乎意料的是，如果我有两种类型的输入，两者都具有相同的输出，则网络运行良好。这让我感到困惑。我用两种类型的数据训练网络的方式有什么问题吗？

多个输入的C ++神经网络

0 个答案: