如何提高前馈神经网络的准确性？

Question

在提高以python编码的前馈神经网络的准确性时，我遇到了问题。我不确定这是一个真正的错误还是仅仅是我的数学函数无法运行，但是无论我增加多少迭代，我都会得到模棱两可的输出（例如0.5）。...我的代码：-

"<PackageName>ChildPackage.dtsx</PackageName>"

这些是我的输出：=>

set (CMAKE_C_FLAGS "${CMAKE_C_FLAGS} -std=c99 -Wall -pedantic")

我尝试过更改迭代，但差异很小。我认为问题可能出在我的一个数学函数（Sigmoid）中。除此之外，我认为第20行的点乘法可能是个问题，“因为调整对我而言似乎是变化无常的。

此外，0.5是否表示我的网络没有学习，因为它只是在随机猜测？

PS：-我认为我的问题不是重复的，因为它涉及所述模型的“准确性”，而所链接的问题涉及“不需要的输出”

Answer 1

您的Sigmoid_Derivative功能错误，这在previous question of yours中已经指出；应该是：

def Sigmoid_Derivative(self, x):
    return self.Sigmoid(x) * (1-self.Sigmoid(x))

请参见Math.SE的Derivative of sigmoid function主题以及讨论here。

如果更正此操作仍无法获得预期结果，请不更改上述问题-而是打开一个新问题...