ASK java levenberg-marquardt算法

我尝试用java代码实现levenberg算法，但遇到了一些困难，我不知道问题出在哪里，但MSE的数量没有下降。我用1个隐藏层，18个输入神经元，7个隐藏神经元和3个输出神经元组成了这个网络。以下是我用来计算雅可比矩阵的公式：

b2=f'yin wjk=b2*zj din=sumb2*wjk b1=din*f'zin vij=b1*xi 所有这些都将保存在雅可比矩阵中

j[iteration][]={vij,b1,wjk,b2}

为了得到网络误差，它将与雅可比转置相乘，以找到它的梯度，我使用以下代码：

public double err(int[]t,double[]y){
    double err=0;
    for(int z=0;z<out;z++){
        err+=t[z]-y[z];
    }return err;
}

public double mse(int[]t,double[]y){
    double mse=0;
    for(int z=0;z<out;z++){
        mse+=Math.pow(t[z]-y[z],2);
    }return mse;

}

为了计算这个网络的MSE，我使用了以下代码：

public double err(int[]t,double[]y){
    double err=0;
    for(int z=0;z<out;z++){
        err+=t[z]-y[z];
    }return err;
}

public double mse(int[]t,double[]y){
    double mse=0;
    for(int z=0;z<out;z++){
        mse+=Math.pow(t[z]-y[z],2);
    }return mse;

}

---

迭代所有数据输入时，我调用了error和MSE函数，所有MSE之和将被数据输入之和除以。

我没有立即看到任何类似于Levenberg-Marquardt算法的实现。首先，LM是一种迭代算法，我在这里看不到任何迭代代码。你能解释一下a，这些函数的作用是什么，b，每个参数的意思是什么，c，在这些代码中，均方误差是计算出来的吗？对于我们来说，看看你正在拟合的数据和你正在拟合的方程的例子也是很有价值的。