我最近发现了PyBrain，于是决定尝试一下。经过一段时间的测试后，我决定解决以下问题，以了解PyBrain内部的工作原理。

给定一个包含6个元素的列表（每个元素从1到10），确定列表中偶数多、奇数多还是奇偶数相等。

我向PyBrain提供了50个已解决的样本和50个未解决的样本，结果总是只有三分之一的答案是正确的，这几乎相当于随机回答这个问题……所以我想我做错了什么。

我在一个论坛上读到，我必须对数据进行归一化。我照做了，但结果还是一样。我会附上我的代码片段以及我到目前为止尝试过的方法。

ds = SupervisedDataSet(6, 1)....... 生成6个元素的列表，获取均值和标准差以归一化数据
for i in range(len(values)):
    for j in range(6):
        values[i][0][j] = (values[i][0][j]-mean[j]) / standard[j]
    ds.appendLinked(values[i][0],values[i][1]) #values[i][0]包含6个元素的列表，values[i][1]包含该列表的答案（0=偶数多，1=奇偶相等，2=奇数多）
bias_network = buildNetwork(6,30,1, bias=True) # 我尝试了PyBrain中所有不同的网络，但我并不真正了解它们之间的区别
trainer = BackpropTrainer(bias_network,ds,verbose=True)
trainer.trainEpochs(20) #我尝试了2、20、200次以及直到收敛，但结果都一样...
for i in range (generate_rand):......生成新的元素列表l
    output = bias_network.activate(l)

我刚刚开始学习人工智能及其应用，所以如果我在这里犯了什么大错，请原谅我。

回答：

嗯，我继续研究神经网络，发现你不能使用依赖于其他结果的变量，因此，问题出在我自己的“问题”上。我可以将其标记为已解决。

例如，你不能使用类似“如果X > Y 且 Y > W 且 W < Z 且 X > 10 则打印1”的问题，其中（X,Y,Z,W）是同一个神经网络的参数，至少这是我学到的。

我会尽快将其标记为已解决。