我在汤姆·米切尔的《机器学习导论》一书中读到一个项目构想。这个项目是关于确定面部朝向（左、右、下、正前方）。我使用了自己开发的神经网络，这个网络是有效的（已经用异或、抛物线函数等进行了测试），但无法训练得足够好以正确确定面部朝向。我得到的最好结果是43%的正确率，这相当低。

以下是项目的描述：

图像尺寸为32 x 30，灰度图（我使用了13个人，每人32张图像作为训练样本，4个人，每人32张图像作为测试样本）。

神经网络：3层 – 输入层、隐藏层、输出层

32 x 30个输入单元

3个隐藏单元，使用Sigmoid作为传递函数

1个输出单元，使用线性作为传递函数。

输出：0.2 = 左；0.4 = 下；0.6 = 右；0.8 = 正前方

学习率 = 动量 = 0.3

权重和偏置被设置为随机的小值。

经过25000次迭代后，正确率仍然只有约40%。书中他们达到了90%的准确率！

有什么建议吗？

回答：

在@ffriend的评论之后，一切都变得非常顺利。我使用了4个输出神经元，准确率超过了90%。如果我在隐藏层中使用更多的神经元，误差会更小，但程序需要更多的时间来运行网络和进行反向传播。