我实现了一个两层神经网络(根据Kolmogorov定理,这足以表示n个变量的任何非线性函数)来预测时间序列。然而,到神经网络结束时,接收到的预测的波动率下降到几乎为零,并变成一条直线(我附上预测屏幕和神经网络的源代码)。我增加了隐层神经元的数量,增加了训练样本的数量,训练样本的大小,学习率,改变了训练样本数据的归一化范围,改变了初始权重的范围。什么都帮不上忙。训练样本的大小为336个例子,训练方法是误差的反向传播,归一化方法是极小的。此外,当使用双曲切线作为激活函数时,情况有所改善,但图形看起来也很奇怪。ReLU的输出是“直接预测”。有人对这个问题有什么想法吗?
import random
i
我有一个多层神经网络,它使用数据库中的两个变量(酒精和Malic.Acid)
我的密码
#Reading in the wine data from last week's labs
winedata = read.csv('/Users/ali/Documents/CS3002/Lab2/winedata2.csv', header = TRUE, sep=",")
#Setting up my test and train data
winevaluesTrain = winedata[1:65,2:3]
wineclassesTrain = wi