C# 为什么我的神经网络忘记了它学到的东西？

我从另一个网站复制了C#中的一些源代码，并用几个输入和两个输出以及一个由4个组成的隐藏层自行测试了神经网络

当神经网络根据字母的预期输出进行训练时，无论是a、B还是C（其格式为16×16像素的单调图像），都是126字节。 我将图像的文字字节转换成字节数组，然后将它们转换成一个双精度数组，然后将整个双精度数组作为输入输入输入到神经网络中，然后给它预期的输出。 它只需一个字母就可以训练

当我通过其他字母训练它时，它似乎调整了它的重量，使它“忘记”它学习的其他字母

我怎样才能得到它，这样重量就不会被写过？ 我只是给出了错误的预期值吗

这是代码，请注意，它来自另一个源代码，但我已经对其进行了大量修改。我所做的一件事是编写train函数和test函数，以便更容易地使用这部分代码

字母A应该在输出的第一个神经元上大致输出0.99的值。 其余输出应为0.25

字母B应分别在输出中的第二个神经元上输出0.99的大致值。 其余输出应为0.25

以下是完整的源代码： 它不允许我将代码放入其中，因为我的消息正文超过33000个字符。 无论如何 基本上，我添加的部分是图像加载函数、图像到字节数组函数以及所有这些奇特的功能。 我正在（大量）修改已经存在的神经网络代码示例。 幸运的是，给出的示例是如此模块化，我根本不需要更改支持网络的类。我只是在添加自己的结构作为网络的一种形式时遇到了问题。 因此，非常感谢您的帮助，我非常希望这个网络能够保存它所学到的不同信息

---

我不知道这是不是我做错了什么，或者我使用的神经网络不支持同时学习多个东西（它似乎不太擅长提供各种输出！！这是肯定的）

最可能的原因是你没有用所有数据模式同时训练网络（以字母为例）。通常，整个训练数据集都会反馈到网络中，这个过程会重复多次，直到整个数据集的回答错误达到所需的水平

当你多次只呈现一个字母时——网络只学习它，其他什么都不学习。当你开始用另一个字母训练网络时——它会修改权重来学习新字母。但是以前的数据正在逐渐被遗忘

---

你的4个神经元组成的隐藏层足以容纳3个字母模式。因此，这并不是你失败的原因。

我认为这个问题在这里回答起来太笼统了。尽管神经网络是一个非常有趣的话题。同意。如果被迫猜测，我会假设“隐藏层”只是不够大，无法学习所有的字母。只是猜测而已……这可能是因为，鉴于这个神经网络的规模很小，你只是对每个字母一个接一个地进行了太多的迭代。也许你应该让它在同一时间学习多个东西，而不是一次学习一个东西，它将改变它“存储”的方式重量？比我快20秒：）但我同意，他一次重复一个字母，通常不是这样的