C++ FANN fann_run 总是产生相同的输出

Question

我正在使用 FANN 库构建神经网络来处理回归问题。问题是，一旦网络在相关训练集上接受了训练（这似乎工作得很好），每个单独的测试输出完全相同的输出。换句话说，给定我的 16 个预测变量的任何状态，根据 ANN，我的预测输出是相同的。

我的猜测是网络正确地计算了计算的第一行，然后总是在其他计算中输出这个结果，不管我给它什么（因为它似乎在第一个训练示例中做得很好，给出准确的预测）。

例如，我的第一个训练示例变量是：

1 1 13.5 13.5 13.5 14.5 14.4 14.3 14.3 14.2 14.5 13 11.7 12.2 12.2 11.3

我的目标输出是 14.5，在每次测试中，网络输出介于 14.69 和 14.7 之间（由于计算时间短，而且我只是在玩这个包，我每次都训练它运行代码）。所以，这个输出对于那组数据来说似乎是完全合法的。

问题是，当我尝试在其他几个输入上运行时，我总是得到相同的 14.69/14.7（即使是最小的数字也有相同的输出）。

由于网络似乎正确地处理了训练样例，学习了关系并在一个新的测试样例上正确计算，我倾向于相信所有训练部分都是正确的。由于网络没有理由总是输出相同的值，我的猜测是我的测试方式不正确。

我的问题是：在新数据集上测试 FANN 神经网络的确切语法是什么？而且，我如何 print/save 相应的输出？

这是我的代码的当前状态：

fann_type *calc_out;
fann_type input[16];

for (int i = 0; i < 20; i++)
{
    if (!rowHasNA(timeSerie, i))
    {
        cout << "Input : ";
        for (int j = 1; j < 17; j++)
        {
            input[j - 1] = timeSerie(i, j);
            cout << input[j - 1] << " ";
        }
        cout << endl;
        calc_out = fann_run(ann, input);
        cout << "Input " << i << " gives : " << calc_out[0] << endl;
    }
}

其中：

rowHasNA 是我用来判断我的例子是否至少有一个 NA
ann 是一个 fann* 已经被训练过
timeSerie 是一个 matrix<double> 其中每一行都是一个测试示例

我对 FANN 包的工作原理仍然有些困惑，因为我没有找到关于如何训练和测试网络的真正清晰的文档。我很难理解 fann_type 是如何工作的。

提前致谢。

Answer 1

可能与谁有关。

上面写的代码是正确的：在网络经过适当训练的情况下，它设法为不同的输入输出不同的值。

主要问题是训练网络。由于它给了我一个正确的答案（14.7，非常接近预期的 14.5），我认为它已经过适当的训练。实际上，它不是，而是给出了与训练目标相对应的"best mean value"。由于我的训练集方差很小，无论输入什么输入，总是输出相同的值，给出了一个不错的 MSE（虽然，比我在 R 和 Octave 中的差很多，但因为我从未使用过 FANN，所以我做了不知道会发生什么）。

解决方法很简单，我早该想到的：特征缩放。

鉴于我在 Internet 上看到的一些文献，我认为该软件包正在自行扩展功能。使用最基本的代码来训练网络，特征缩放不适用于训练集。

我建议在 0 和 1 之间缩放特征（x - 最小值/最大值 - 最小值）。

C++ FANN fann_run 总是产生相同的输出

C++ FANN fann_run always produce same output

c++

neural-network

fann