Java 多类神经网络问题

我已经尝试实现反向传播神经网络有一段时间了，我一次又一次地面临问题。到目前为止的进展是，我的神经网络可以很好地用于XOR和OR

下图显示了我的神经网络在100000次迭代中对XOR的训练，它似乎收敛得很好。为此，我有两个输入神经元和一个输出神经元，其中一个隐藏层有两个神经元[尽管1个就足够了]

现在继续前进，我将同一网络在XY平面上的两个区分坐标训练为两类，具有相同结构的2个输入神经元和1个输出神经元，以及具有两个神经元的单个隐藏层：

接下来，我只训练了两个班，但有两个输出神经元，并保持结构的其余部分不变，这确实花了很长时间来收敛，但它做到了。 但现在我增加到三个班；A类将为100，B类将为010，C类将为001，但现在当我对其进行训练时，它将不会收敛，并给出以下数据的结果：

---

它似乎永远不会收敛。我已经观察到这种模式，如果我增加输出层神经元的数量，错误率会像任何事情一样增加？有人能告诉我哪里出了问题吗？

如果你从二进制分类转向多类分类，你必须推广你的反向传播算法来正确处理两个以上的类

二进制分类的主要区别在于更新更改为：

与：

选择参数y（输出）的新分数，该参数为特征的最高分数乘以权重向量w。这种策略被称为。编写为伪代码（）：

请记住，根据您自己的特定代码，您可能必须对当前代码执行其他更改（例如，将每个输出单元的实值输出映射为二进制输出）

---

如果您有多个用于分类的属性，那么每个类有一个二进制输出节点的体系结构是非常好的。否则，您应该考虑使用输出层（参见实现示例）。在输出层使用softmax激活将原始值转换为后验概率（与每个类的二进制输出相反）。因为这给了你一个确定性的度量，它也给了你更多的洞察力。

什么是逻辑的输出层次？0-0.3表示绿色，0.3-0.7表示蓝色，0.7-1.0表示红色？不！实际上，我的输出层有3个神经元，所以如果它被归类为A类，那么输出层的第一个神经元应该被触发，并且该层的完整输出将是100，同样地，如果是b类，那么完整输出将是010，依此类推，这些输出的和是什么？输出的和？？。。我只把上面描述的作为我的最终输出。。在理想情况下，我的输出将是[1.0,0.0,0.0]或[0.0,1.0,0.0]或[0.0,0.0,1.0]。。我希望这能让我的问题变得更清楚。只是出于兴趣，我注意到了Java标记。。你用什么神经网络库来做这个？我对神经网络一无所知，但这是一个很酷的答案。谢谢你的回答！但是我需要做大量的研究来理解你在这里提出的观点，然后实施你建议的改变。。但非常感谢您提供的所有资源：）