我对神经网络和编程都是新手。我用Java编写了一个神经网络，正在研究足球数据。我有两个输入：

1) 主队在n场比赛中的胜率2) 客队在n场比赛中的胜率

使用“标准统计模型”，仅凭这两个数字就可以相当准确地预测一场比赛中会发生的进球数。然而，当我尝试训练我的神经网络来预测进球数时，它根本无法收敛 🙁

我使用遗传算法来训练网络，以下是前几代中最适应的个体，种群大小为100,000：

1) 0.14074080566625562) 0.134062661769672523) 0.134062676002152354) 0.13387535672598055) 0.132802570016182656) 0.132751659648607667) 0.13197686520966918) 0.13161029326238236

现在我知道看起来它似乎在收敛，但收敛速度非常慢，我已经多次运行了许多代，它不会低于0.13。

我使用的是前馈神经网络，有一个包含10个神经元的隐藏层和一个输出神经元。我在隐藏层使用双曲正切S型函数，在输出层使用S型函数。我将进球数除以10，以得到0到1之间的输出。

在开始运行之前，我以为神经网络会超越简单的统计模型，但它远不及。我的问题是：

从你看到的结果来看，代码中是否有错误？我是否需要更改网络的架构？我是否需要以某种方式更改网络输入/训练数据？

我已经尝试了一段时间来找出问题，这让我快要崩溃了。任何建议都非常感激。

非常感谢。

回答：

很有可能你得到的结果是这种神经网络配置所能达到的最佳结果。已经存在一些神经网络实现，例如Weka中的多层感知器。最好开始使用这些进行实验，那里有很好的分析工具，并且你可以确信结果不是由于实现错误造成的。