Machine learning 关于BP神经网络

最近我在学习BP神经网络来识别我的英文字母。我实现了一个简单的版本，发现有些东西让人困惑

我的简单版本是识别输入的二进制图像是否为

u

我有一个字母的二值图像，通过计算每个

3x3

块的前景像素来提取该图像的特征向量。例如，对于

24x24

图像，特征向量的大小为

64

的输出
1
为u

，

的输出
0
为非u

还有一点我很困惑：

首先，我输入一个

u

进行培训。并依次输入

u

、

c

、

p

、

b

、

d

进行测试。我得到5

1

s。 然后我依次输入

u

，

c

，

p

，

b

，

d

进行训练，然后依次输入

u

，

c

，

p

，

b

，

d

进行测试。我得到5个

0

s

---

是因为新培训的结果改变了旧培训的结果导致识别失败吗？

听起来您需要进行更多的培训，在不同的示例中。也许学习率较低。有了足够大的学习率，每一个例子都会影响答案的权重。另外，你应该努力平衡正面和负面例子的数量。所以你只展示了输入集的每个元素一次？好吧，我想我在培训阶段犯了一个错误。我需要迭代地训练样本集。