多层感知器有时不会收敛到正确答案 - XOR

Question

我已经实现了一个多层感知器，最初设计的训练方法需要一定数量的 epoch 进行训练。我针对 XOR 逻辑门对网络进行了训练，大部分时间网络会学习如何解决问题，但每隔一段时间，网络只会学习两个训练示例并卡在另外两个训练示例上。

起初我认为这并不重要，但后来我想改变训练方法，在错误低于我选择的某个可接受的错误值后停止。现在网络有时会从训练中返回，有时会像我上面提到的那样卡住。这是正常的吗，是多层感知器有时无法正确学习还是我的实现中的错误。

如果重要的话，实现是在 C++ 中，多层感知器是标准的前馈反向传播神经网络； 2个输入神经元，2个隐藏层神经元，1个输出神经元。

我应该使用两个输出神经元吗？如果是，值会是什么。

Answer 1

我想这既不是我的实现中的错误，也不是感知器的属性，我能够通过添加两个隐藏层神经元来解决这个问题，尽管我听说经验法则是保持隐藏层的数量输入神经元数下的神经元。