Artificial intelligence 神经网络不收敛

我对神经网络和编程都是新手。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场比赛中获胜% 2） 客队在n场比赛中获胜%

使用“标准统计模型”，人们可以仅使用这两个数字，以合理的准确度预测比赛中将出现的进球数。然而，当我试图训练我的神经网络预测目标数量时，它根本不收敛：(

我使用遗传算法来训练网络，这里是前几代中最合适的个体，种群规模为100000：

1） 0.1407408056662556 2) 0.13406266176967252 3) 0.13406267600215235 4) 0.1338753567259805 5) 0.13280257001618265 6) 0.13275165964860766 7) 0.1319768652096691 8） 0.1316102932638236

现在我知道它看起来在收敛，但收敛速度非常慢，我已经运行了好几代了，它不会低于0.13

我使用的是一个前馈神经网络，有一个由10个神经元组成的隐藏层和一个输出神经元。我在隐藏层中使用双曲正切sigmoid函数，在输出层中使用sigmoid函数。我将目标数除以10，得到0到1之间的输出

在我开始运行此程序之前，我假设NN的性能优于简单的统计模型，但它的性能并不接近。我的问题是:

从您可以看到的结果来看，代码中是否有错误？ 我是否需要更改网络的体系结构？ 我是否需要以某种方式更改网络输入/培训数据

我已经试着找出这个问题有一段时间了，这让我精神崩溃。非常感谢您的任何问候

---

非常感谢。

很可能你得到的是这种神经网络配置所能达到的最佳效果。存在现有的NN实现，例如中的多层感知器。最好开始尝试这些方法，在这些方法中，您拥有良好的分析工具，并且有信心得到的结果不是由于实现错误造成的