neural-network - 为什么我的神经网络总是预测相同的输出？(突触.js)

Question

您好，这个问题与 Synaptic.js 有关。

我正在尝试使用神经网络从图像中读取手写数字。图像尺寸为 120x90，仅包含黑白像素。我正在使用 html5 画布将图像转换为矩阵，然后将其输入具有 10800 个输入、30 个隐藏层和 3 个输出的 NN。

var myNetwork = new synaptic.Architect.Perceptron(10800,30,3);

var learningRate = .3; 

将 Image 转换为 Matrix 的代码：

var matrix = [];                
for(i = 0; i < img.height; i++) {
        for(j = 0; j < img.width; j++) {
                var rgba = ctx.getImageData(j, i, 1, 1);
                var avg = ((rgba["data"][0] + rgba["data"][1] + rgba["data"][2]) / 3);

                var indice;

                if(avg < 150) indice = 1;
                else indice = 0;

                matrix.push(indice);
            }
        }

上面的代码给出了我预期的结果，基本上它将“白色”像素转换为 0，将“黑色”像素转换为 1。附件是包含“1”的图像的矩阵示例（我调整了实际矩阵的大小，因为它太大了）： 矩阵图

当我向 NN 提供两张图像时，每张图像都包含“1”或“2”手写数字，它对它们进行了很好的分类。同样，当我尝试再输入五张包含“1”或“2”手写数字的图像时，NN 仍然能够很好地对它们进行分类。

我用来训练 NN 的代码：

myNetwork.propagate(learningRate, [1, 0]); //Train NN to learn '1'
myNetwork.propagate(learningRate, [0, 1]); //Train NN to learn '2'

但是，当我开始将“3”输入网络时，它开始将每个图像输入（包括“1”和“2”）分类到第三类。基本上当输出大小大于 2 时，NN 将始终预测相同的输出，这是我训练它学习的最后一个类别。

myNetwork.propagate(learningRate, [0, 0, 1]); //Train NN to learn '3'

每个数字我有超过 75 张图像，我试图将它们全部提供，但 NN 总是将它们归类为“3”。我在这里做错了什么？任何帮助表示赞赏，谢谢！

标签： neural-networkocrsynaptic.js