Neuroph：多层感知器反向传播学习不起作用

Question

此问题与 Neuroph Java 图书馆有关。

我有以下程序创建一个多层感知器，其中包含一个包含 20 个节点的隐藏层。正在学习的函数是 x^2。使用反向传播学习规则。但是，从输出中可以明显看出，该程序似乎无法运行。输出一直是1，是不是我的程序出错了？

计划

import org.neuroph.core.NeuralNetwork;
import org.neuroph.core.data.DataSet;
import org.neuroph.nnet.MultiLayerPerceptron;
import org.neuroph.nnet.learning.BackPropagation;
import org.neuroph.util.TransferFunctionType;

public class SquareNeuralNetwork {

    public static void main(String[] args) {
        NeuralNetwork neuralNetwork = new MultiLayerPerceptron(TransferFunctionType.SIGMOID, 1, 20, 1);
        DataSet trainingSet = new DataSet(1, 1);
        for (int i = 1; i <= 100; i++) {
            trainingSet.addRow(new double[]{i}, new double[]{i * i});
        }
        BackPropagation backPropagation = new BackPropagation();
        backPropagation.setMaxIterations(10);
        neuralNetwork.learn(trainingSet, backPropagation);
        for (int i = 1; i <= 100; i++) {
            neuralNetwork.setInput(i);
            neuralNetwork.calculate();
            double output = neuralNetwork.getOutput()[0];
            System.out.println(i + " - " + output);
        }
    }
}

输出

1 - 1.0
2 - 1.0
3 - 1.0
4 - 1.0
5 - 1.0
6 - 1.0
7 - 1.0
8 - 1.0
9 - 1.0
10 - 1.0
11 - 1.0
12 - 1.0

Answer 1

乙状结肠

sigmoid 激活函数的输出值在范围内：

看来你是想教 sigmoid 函数输出 1 到 10000 的值，这是不可能的。因此，网络可以实现的最佳适应性是始终输出 1。

替代方法

如果您将函数重新建模为 1/x^2 而不是 x^2，您仍然可以教神经网络对指数函数建模，因为这会将输出范围修改为 [0, 1] for x > = 1.训练完成后使用网络时，你必须除以1/输出才能得到你想要的指数曲线。

我建模了一个包含 20 个隐藏节点和一个隐藏层的网络作为概念验证：

Neuroph：多层感知器反向传播学习不起作用

Neuroph: Multi Layer Perceptron Backpropagation learning not working

java

neural-network

乙状结肠

替代方法