神经网络的输出值没有达到期望值

Question

我制作了一个也有反向传播的神经网络。它在输入层有 5 个节点，在隐藏层有 6 个节点，在输出层有 1 个节点，并且具有随机权重，我使用 sigmoid 作为激活函数。

我有两组数据供输入。

例如：

13.5 22.27 0 0 0          desired value=0.02
7 19 4 7 2                desired value=0.03

现在我用 5000 次迭代训练网络，否则如果出现错误，迭代将停止

value(desired - calculated output value) 小于等于 0.001。

每个输入集第一次迭代的输出值约为60，并且每次迭代都会减小。

现在的问题是第二组输入（期望值为 0.03）导致迭代停止，因为计算出的输出值为 3.001，但第一组输入没有达到它的期望值（即0.02)，其输出约为 0.03。

已编辑：

我使用LMS算法并将错误阈值更改为0.00001以找到正确的错误值，但现在0.03和0.02期望值的最后一次迭代的输出值在0.023和0.027之间，这还不正确。

Answer 1

对于您的错误值停止阈值，您应该在一个时期（所有数据集的每个错误的总和）上计算错误，而不仅仅是数据集中的一个成员。这样，您将不得不增加错误阈值的值，但这会迫使您的神经网络对您的所有示例进行良好的分类，而不仅仅是对某些示例。