如何提高前馈神经网络的准确性？

Question

我在提高用 python 编码的前馈神经网络的准确性方面遇到问题。我不确定这是一个真正的错误还是只是我的数学函数的无能，但我得到的输出模棱两可（如 0.5）无论我增加多少迭代......我的代码： -

from numpy import exp, array, random, dot

class NeuralNetwork():

    def __init__(self):

        random.seed(1)

        self.synaptic_weights = 2 * random.random((3, 1)) - 1     # MM reuslt = 3 (3 * 1)

    def Sigmoid(self, x):

        return 1 / (1 + exp(-x))

    def Sigmoid_Derivative(self, x):

        return x * (1 - x)

    def train(self, Training_inputs, Training_outputs, iterations):

        output = self.think(Training_inputs)

        print ("THe outputs are: -", output)

        erorr = Training_outputs - output

        adjustment = dot(Training_inputs.T, erorr * self.Sigmoid_Derivative(output))

        print ("The adjustments are:-", adjustment)

        self.synaptic_weights += output

    def think(self, inputs):

        Training_inputs = array(inputs)

        return self.Sigmoid(dot(inputs, self.synaptic_weights))

# phew! the class ends..

if __name__ == "__main__":

    neural_network = NeuralNetwork()

    print("Random startin weights", neural_network.synaptic_weights)

    Training_inputs = array([[1, 1, 1], 

                             [0, 0, 0], 

                             [1, 0, 1],])                 # 3 rows * 3 columns???

    Training_outputs = array([[1, 1, 0]]).T

    neural_network.train(Training_inputs, Training_outputs, 0)

    print ("New synaptic weights after training: ")

    print (neural_network.synaptic_weights)

    # Test the neural network with a new situation.

    print ("Considering new situation [1, 0, 0] -> ?: ")

    print (neural_network.think(array([1, 0, 0])))

虽然这些是我的输出：=>

[Running] python -u "/home/neel/Documents/VS-Code_Projects/Machine_Lrn(PY)/test.py"

Random startin weights [[-0.16595599]

 [ 0.44064899]

 [-0.99977125]]

THe outputs are: - [[0.3262757 ]

 [0.5       ]

 [0.23762817]]

我尝试过更改迭代，但差异非常小。我认为问题可能出在我的一个数学（Sigmoid）函数中。除此之外，我认为第 20 行的点乘法可能是个问题，因为调整对我来说看起来很奇怪......

另外，0.5 不是表示我的网络没有学习，因为它只是随机猜测吗？

PS：-我认为我的问题不是重复的，因为它涉及所述模型的“准确性”，而链接的问题涉及“不需要的输出”

Answer 1

您的Sigmoid_Derivative功能是错误的，在您的上一个问题中已经指出了这一点；它应该是：def Sigmoid_Derivative(self, x):     return self.Sigmoid(x) * (1-self.Sigmoid(x))请参阅Math.SE上的 sigmoid 函数线程的导数，以及此处的讨论。如果更正此问题仍然没有给出预期的结果，请不要更改上面的问题 - 相反，打开一个新问题...