神经网络 OCR - 参数需要帮助 - Coursera Ng 的示例

Question

我正在用 C# 实现 Ng 的 OCR 神经网络示例。 我认为我已经正确实现了所有公式 [矢量化版本]，并且我的应用正在训练网络。

关于如何查看我的网络在识别方面的改进 - 无需在训练完成后手动绘制示例来测试示例，有什么建议吗？我想在训练期间查看我的训练进展情况。

我已经在绘制的数字上测试了我训练的权重，所有神经元的输出都非常相似（大约 0.077，或类似​​的东西......在所有神经元上），并且最大值出现在错误的神经元上。所以结果与绘制的图像不匹配。

这是我目前所做的唯一测试：成本函数随时期变化

所以，这就是成本函数（有人称之为目标函数？）在 50 个 epoch 中发生的情况。 我的 Lambda 值设置为 3.0，学习率为 0.01，5000 个示例，我在每个 epoch 之后进行批处理，即在这 5000 个示例之后。激活函数：sigmoid。

输入：400 隐藏：25 输出：10

我不知道 lambda 和学习率的正确值是什么，以便我的网络可以在不过度拟合或欠拟合的情况下进行学习。

有什么建议可以让我的网络学习良好吗？

另外，经过所有这些训练，J 成本函数应该有什么价值？ 它应该接近零吗？

我应该有更多的 epoch 吗？

我的例子都是按数字排序的吗？

感谢任何帮助。

Answer 1

问：对于如何确定我的网络学习良好有什么建议吗？
A：将数据分为训练、交叉验证和测试三组。验证您的结果与测试数据。这其实是后面课程中的地址。

问：另外，经过所有这些训练，J 成本函数应该有什么价值？它应该接近零吗？
A：我记得 Ng 在作业中提到了期望值是多少。正则化成本不应为零，因为它包括所有权重的总和。

问：我应该有更多的 epoch 吗？
A：如果你运行程序的时间足够长（少于 20 分钟？）你会看到成本是没有变小，我认为它达到了局部/全局最优，因此不需要更多的时期。

问：我的示例都是按数字排序的，这很糟糕吗？
A：算法会修改每个示例的权重，因此数据的顺序不同影响批次中的每个步骤。不过最终的结果应该相差不大。