C++；多输入神经网络 我用一个隐藏层构建C++神经网络。我的神经网络接受2个输入，产生1个输出，在前两层有偏差节点。当我只使用一种类型的数据（比如输入=（0,0），期望输出=1）训练网络时，网络训练良好。但是，当我使用两种类型（例如（0,0）->1，（1,0）->0）进行训练时，网络性能非常差。我所做的就是循环 设置所需输入=（0,0），设置所需输出=1 向前传播 计算误差

反向传播

设置所需输入=（1,0），设置所需输出=0

向前传播

计算误差

反向传播

下面是代码的摘录

vector<double> input0, output0;
input0.push_back(0);
input0.push_back(0);
output0.push_back(1);

vector<double> input1, output1;
input1.push_back(1);
input1.push_back(0);
output1.push_back(0);

for(int i = 0; i < 2000; i++){
  n->setUserInput(input0);
  n->setIdealOutputs(output0);
  n->feedForward();
  n->backPropagate();

  n->setUserInput(input1);
  n->setIdealOutputs(output1);
  n->feedForward();
  n->backPropagate();
}

矢量输入0，输出0；
输入0。推回（0）；
输入0。推回（0）；
输出0。推回（1）；
矢量输入1，输出1；
输入1。推回（1）；
输入1。推回（0）；
输出1.推回（0）；
对于（int i=0；i<2000；i++）{
n->setUserInput（input0）；
n->SetideaOutput（输出0）；
n->前馈（）；
n->backPropagate（）；
n->setUserInput（input1）；
n->设置输出（输出1）；
n->前馈（）；
n->backPropagate（）；
}

---

当我只执行循环中的两个块中的一个时，网络运行良好。令人惊讶的是，如果我有两种类型的输入，它们都有相同的输出，那么网络就会运行良好。这让我困惑。我用两种类型的数据训练网络的方式有什么问题吗？

你能不能也包括一些代码？代码很长，我应该包括其中的哪一部分？我确信反向传播和正向传播的实现是正确的，包括您认为有助于开发人员重现问题的部分。您是否为代码编写了测试用例？如果整个代码太大，那么测试较小的部分，并尝试找到不产生预期输出的地方，这可能会成为一个好消息，您可以在这里发布。不幸的是，如果没有代码，我们需要一个神奇的水晶球来帮助你。我怀疑我训练网络的方式有问题。当我只收取一种输入和输出费用时，网络运行良好，即在每个回路中，我使用相同的输入和输出进行训练。