出于学术目的，我试图使用递归实现反向传播，但似乎在某个地方出了问题。我已经摆弄了一段时间，但要么完全没有学习效果，要么在第二个模式上没有学习效果。

请告诉我哪里出了问题。（这是JavaScript语法）注意：每次学习周期前错误都会被重置为null。

this.backpropagate = function(oAnn, aTargetOutput, nLearningRate) {    nLearningRate = nLearningRate || 1;    var oNode,         n = 0;    for (sNodeId in oAnn.getOutputGroup().getNodes()) {        oNode = oAnn.getOutputGroup().getNodes()[sNodeId];        oNode.setError(aTargetOutput[n] - oNode.getOutputValue());        n ++;    }    for (sNodeId in oAnn.getInputGroup().getNodes()) {        this.backpropagateNode(oAnn.getInputGroup().getNodes()[sNodeId], nLearningRate);    }}this.backpropagateNode = function(oNode, nLearningRate) {    var nError = oNode.getError(),        oOutputNodes,        oConn,        nWeight,        nOutputError,        nDerivative = oNode.getOutputValue() * (1 - oNode.getOutputValue()), // Derivative for sigmoid activation funciton        nInputValue = oNode.getInputValue(),        n;    if (nError === null /* Dont do the same node twice */ && oNode.hasOutputs()) {        nDerivative = nDerivative || 0.000000000000001;        nInputValue = nInputValue || 0.000000000000001;        oOutputNodes = oNode.getOutputNodes();        for (n=0; n<oOutputNodes.length; n++) {            nOutputError = this.backpropagateNode(oOutputNodes[n], nLearningRate);            oConn   = oAnn.getConnection(oNode, oOutputNodes[n]);            nWeight = oConn.getWeight();            oConn.setWeight(nWeight + nLearningRate * nOutputError * nDerivative * nInputValue);            nError += nOutputError * nWeight;        }        oNode.setError(nError);    }    return oNode.getError();}

回答：

问题已解决。显然，低维网络更容易陷入局部最小值。了解到高维网络不太可能达到任何最小值，甚至是全局最小值，这一点很容易理解。

实现随每次迭代增加的动量可以让我通过大多数最小值。因此，将权重重新初始化为随机值（-0.5到0.5）并进行多次训练，最终可以让我通过所有这些最小值。

我很高兴地宣布，如果数据是可分类的，我的网络现在在100%的情况下都能完成训练。