Я пытаюсь внедрить нейронные сети обратного распространения в течение некоторого времени, и я сталкиваюсь с проблемами раз за разом. До сих пор прогресс в том, что моя нейронная сеть отлично работает для XOR, AND и OR.Проблема с многоклеточной нейронной сетью
Следующее изображение показывает обучение моей нейронной сети для XOR более 100000 итераций и, похоже, сходится хорошо. Для этого я имел 2 входных нейронов и один выходной нейрон со скрытым слоем с 2 нейронов она [хотя 1 было бы достаточно]
сейчас продвигается вперед я тренировался в той же сети два различать координаты в плоскости XY на две классы с одной и той же структурой 2 входных нейрона и 1 выходного нейрона и один скрытого слоя с двумя нейронами:
в течение следующего я обучен его только, но с 2 выходными нейронов и сохранением остальной частью структуры два классов то же самое, и на этот раз потребовалось много времени, чтобы сходиться, но это произошло. Но теперь я увеличился до трех классов; класс А будет 100 и класс B будет 010 и класса C будет 001, но теперь, когда я обучать его, то он никогда не сходится и дает мне следующий результат для данных, приведенных ниже:
Он никогда не кажется сходиться. И я наблюдал эту картину этого, если я увеличиваю количество нейронов в моем выходном слое, частота ошибок увеличивается как угодно? Могу ли я направить меня туда, где я ошибаюсь?
Что такое уровни логики выходных нейронов? 0-0,3 для зеленого, 0,3-0,7 для синего, 0,7-1,0 для красного? –
Нет!на самом деле мой выходной слой имеет 3 нейрона, поэтому, если он классифицирован как класс А, тогда должен быть запущен первый нейрон нейтрия выходного уровня, и полный выход с уровня будет 100, и аналогично, если класс b, то полный выход будет 010 и т. д. –
Что такое сумма этих результатов? –