C++ 神经网络不学习。停留在50%

我是NNs的初学者。我试图为XOR函数创建一个NN，但它没有学习，它停留在50% 谁能给我一些建议吗？谢谢 代码如下：

///Matrix.cpp

#include "pch.h"
#include "Matrix.h"
....
 Matrix Matrix::sigmoidDerivate(const Matrix &m) {
    assert(m.rows >= 1 && m.cols >= 1);

    Matrix tmp(m.rows, m.cols);
    for (ushort i = 0; i < tmp.rows; i++) {
        for (ushort j = 0; j < tmp.cols; j++) {
            tmp.mat[i][j] = m.mat[i][j]*(1-m.mat[i][j]);
        }
    }
    return tmp;
}

Matrix Matrix::sigmoid(const Matrix &m) {
    assert(m.rows >= 1 && m.cols >= 1);

    Matrix tmp(m.rows, m.cols);
    for (ushort i = 0; i < tmp.rows; i++) {
        for (ushort j = 0; j < tmp.cols; j++) {
            tmp.mat[i][j]= 1 / (1 + exp(-m.mat[i][j]));
        }
    }
    return tmp;
}


Matrix Matrix::randomMatrix(ushort rows, ushort cols) {
    assert(rows>=1 && cols>=1);

    Matrix tmp(rows,cols);

    const int range_from = -3;
    const int range_to = 3;
    std::random_device                  rand_dev;
    std::mt19937                        generator(rand_dev());
    std::uniform_real_distribution<double>  distr(range_from, range_to);

    for (ushort i = 0; i < rows; i++) {
        for (ushort j = 0; j < cols; j++) {
            tmp.mat[i][j] = distr(generator);
        }
    }
    return tmp;
}

#包括“pch.h”
#包括“矩阵h”
....
矩阵：：sigmoiderivate（常数矩阵和m）{
断言（m.rows>=1和&m.cols>=1）；
矩阵tmp（m行，m列）；
对于（ushort i=0；i=1和&m.cols>=1）；
矩阵tmp（m行，m列）；
对于（ushort i=0；i=1&&cols>=1）；
矩阵tmp（行、列）；
const int range_from=-3；
const int range_to=3；
std：：随机设备和设备开发；
std:：mt19937生成器（rand_dev（））；
标准：均匀实分布分布（范围从，范围到）；
对于（ushort i=0；i

这是main（）：

矢量输入={
{0,0},
{1,0},
{0,1},
{1,1}
};
向量out={0,1,1,0}；
const-ushort输入神经元=2；
const-ushort-hiddenNeurons=3；
const-ushort输出神经元=1；
常数双学习率=0.03；
矩阵w_0_1=矩阵：：随机矩阵（输入神经元，隐神经元）；
矩阵w_1_2=矩阵：：随机矩阵（隐神经元，输出神经元）；
无符号整数历元=100000；
for（int i=0；i

NN架构为：2->3->1 在隐藏层中，如果数字较小，如2-4，则输出为50%。对于隐藏层上的8个神经元，输出约为49%。

---

请帮忙。

我不是C++的，所以我不确定。但话说回来：

 Matrix::substract(Layer_2, desired_output),

您正在做的事情类似于从现有层中减去所需的“良好”输出。我认为应该是相反的。所以你必须把它乘以-1

---

对我来说就是这样。如果你愿意，我可以把我的源代码发给你。（它是java）

欢迎使用SO。我们在此重点讨论具体的编程/实现问题。看看这个网站的范围是什么样的问题。您的问题非常广泛，您可以考虑发布到DATSICCESS.SE或其他更集中的站点。

 Matrix::substract(Layer_2, desired_output),