我想问以下问题：我正在尝试使用反向传播来训练一个人工神经网络。我有一个前馈神经网络，具有6个输入层、7个隐藏层和1个输出层。我将向这个神经网络提供由6个特征组成的特征向量并进行训练，我的学习率为0.7，动量为0.9。我希望根据这6个特征进行二分类。问题是这个网络的总体误差没有变化… 我尝试了不同的学习率和动量值，但问题依然存在… 我不知道为什么会这样。我使用相同的代码（我是指主要类）尝试学习一个解决异或问题的ANN，它在那儿运行得很完美。有人知道这是为什么吗？感谢您的宝贵时间

FeedforwardNetwork network = new FeedforwardNetwork();Train train; network.AddLayer(new FeedforwardLayer(6));        network.AddLayer(new FeedforwardLayer(7));        network.AddLayer(new FeedforwardLayer(1));        train = new Backpropagation(network, Input_vector, Ideal_vector, 0.7, 0.8);        int epoch = 1;        textBox7.Text = " 已经开始\r\n";        do        {            train.Iteration();            textBox7.Text += "\r\n 第 " + epoch + " 轮 误差 " + train.Error + " \r\n ";            epoch++;        }        while ((epoch < 500) && (train.Error > 0.001));        network = train.Network;        textBox7.Text += "神经网络结果";        for (int i = 0; i < Ideal_vector.Length; i++)        {            double[] actual = network.ComputeOutputs(Input_vector[i]);            textBox7.Text += "\r\n" + Input_vector[i][0] + "," + Input_vector[i][1] +     "," +                Input_vector[i][2] + "," + Input_vector[i][3] + Input_vector[i][4] +                Input_vector[i][5] + " 实际值= " +                actual[0] + ", 理想值 " + Ideal_vector[i][0] + " \r\n";        }

回答：

您的主要函数没有问题。然而，您的训练向量或反向传播代码可能存在问题（假设您的网络足够大可以学习这个）。因此，这将是一系列问题而不是答案，但您可能会得到正确的思路：

• 您的训练向量包含多少样本？
• 这些样本大致上是否半半分类，或者是否存在偏见？
• 是否有相同的训练样本被模糊分类？
• 误差是如何计算的？绝对值/平方平均？
• 您是否随机化了初始网络权重？
• 训练前的初始误差是多少？
• 误差在第一轮迭代中是否有变化？
• 您能将代码发布到pastebin上吗？