- 设计(培训+验证),测试和新数据标准化之前都应该有相同的摘要统计信息。这可能需要混合在一起之前创建的所有数据火车/ val /测试子集。
- 我更喜欢零均值,unit-variance正常化。非常有利于发现离群值。
- 一个隐藏层的双曲正切(又名tansig)隐藏节点就足够了。然而,有时候,问题做出适当使用2个或更多的细节。
- 使用尽可能少的隐藏节点加强稳定性。我从1开始,用一个外循环增加,直到训练均方误差小于0.01倍的训练目标方差。
- 一个内部循环用于获得10因为体重随机初始化设计不同。这产生一个训练RSQUARE 0.99。
- 为每个样本选择隐藏节点设计的10个或更多网由初始随机权重不同。
为什么我的网络是不给所需的输出
3视图(30天)
显示旧的评论
我想设计一个神经网络利用matlab nntool R2015a 27个神经元的输入层、输出层的神经元和10的一个隐层神经元。我相应的输入和输出数据(0,1)与purelin logsig激活函数的隐层输出层。tansig激活函数的隐层我相应数据(-0.5,0.5)。我已经训练与1155年网络培训模式。我的mse和R非常好,但网络不给测试新数据时预期的结果。我试过几乎所有可能的组合的用户交互(nntool)和一个伟大的混乱。这将是非常有用的,如果回答。
谢谢你！
0评论
接受的答案
格雷格·希斯
2019年2月18日
