artificial-intelligence - 神经网络不收敛

Question

我是神经网络和编程的新手。我用 Java 编写了一个神经网络，我正在查看足球数据。我有两个输入:

1) 主队在 n 场比赛中的胜率
2) 客队在 n 场比赛中的胜率

使用“标准统计模型”可以仅使用这两个数字来预测比赛中将出现的进球数，并且具有合理的准确度。然而，当我试图训练我的神经网络来预测进球数时，它根本不收敛:(

我正在使用遗传算法来训练网络，这里是前几代中最适合的个体，人口规模为 100,000:

1) 0.1407408056662556
2) 0.13406266176967252
3) 0.13406267600215235
4) 0.1338753567259805
5) 0.13280257001618265
6) 0.13275165964860766
7) 0.1319768652096691
8) 0.13161029326238236

现在我知道它看起来正在收敛，但它以极其缓慢的速度收敛，而且我已经多次运行了很多代，它不会低于 0.13。

我正在使用一个前馈神经网络，其中一个隐藏层有 10 个神经元，一个输出神经元。我在隐藏层中使用双曲正切 sigmoid 函数，在输出层使用 sigmoid 函数。我将目标数除以 10，得到 0 到 1 之间的输出。

在我开始运行它之前，我认为 NN 会胜过简单的统计模型，但它并没有接近。我的问题是:

从结果可以看出，是不是代码中的某个地方有错误？
我是否需要对网络架构进行更改？
我是否需要以某种方式更改网络输入/训练数据？

一段时间以来，我一直在努力确定这个问题，这让我很沮丧。非常感谢任何广告。

非常感谢。

Answer 1

很可能你得到的是这种神经网络配置所能达到的最好的结果。存在现有的 NN 实现，例如 Weka 中的多层感知器.最好开始尝试那些您拥有良好分析工具并确信您获得的结果不是由于实现错误造成的结果。