我想做的是用频率w，时间t，相位phi等参数估算正弦函数。
我尝试了两种情况。（我在下面附加了描述图片和源代码的链接）
案例1是关于单输入x的正弦函数估计 情况2是关于多输入正弦函数的估计（x除以3：频率w，时间t，相位phi）
案例1运作良好。我的损失值非常低。（大约为0） 情况2运作不正常。损失值很高。收敛到25
我想提高其性能，并知道其性能较差的原因。
我在源代码中附加了nbviewer链接，在描述图片中附加了Evernote链接。
案例1）https://nbviewer.jupyter.org/gist/nuriahn/1dd28ef1164a8a358bb7875f48dc1174
情况2） https://nbviewer.jupyter.org/gist/nuriahn/f4b25917243c4b043caf640362dcd0ea
说明图片） http://www.evernote.com/l/AYuq8O7ErDtKK4346xKk7RzmVx9fX0zTdT8/
我希望该模型可以学习以下公式：y = sin（w * t + phi）。 例如，当我将w = 2，t = 4和phi = 0.5用作输入时，我得到的输出y是sin（2 * 4 + 0.5）的结果。
答案 0 :(得分：0)
在这种情况下，只有将w和phi作为要学习的参数，情况1才会起作用。
在第二种情况下，您不能指望网络在传递参数（应该由网络学习）作为输入并让网络通过完全连接的层（通过增加权重）确定它们之间的关系时学习网络。