神经网络错误趋势

Question

我对神经网络比较陌生，所以当我在我的数据中发现这种趋势时，我非常感兴趣。我有一个多层感知器网络，它使用没有动量的反向传播。学习率为 0.02，训练中允许的最小误差范围为 0.01。网络必须学习如何正确地对两个布尔值（它们的值为 1 或 0）应用异或运算。有偏见的神经元来反驳异或问题不具有线性可分性的事实（不确定我的措辞是否正确）。网络的神经元使用 Sigmoid 传递函数。我想知道为什么图表会以这种趋势增长。再次随机化网络的权重并再次训练后，图形总是这样显示。这是为什么？

Answer 1

对我来说这看起来是正确的，也许您只是误读了图表。在 x 轴上有迭代。您可以将此视为简化的时间轴。你的 y 轴是网络的误差（越低越好）。因此，随着训练时间的推移，您的网络会产生更好的结果（误差更低）。