Neural network Pybrain对任何输入输出相同的结果

我正在尝试用Pybrain训练一个简单的神经网络。培训后，我想确认nn是否按预期工作，因此我激活了用于培训的相同数据然而，每次激活都会产生相同的结果。我是误解了神经网络的基本概念，还是出于设计

我尝试过改变隐藏节点的数量、隐藏类类型、偏差、学习率、训练次数和动量，但都没有效果

这是我的密码

from pybrain.tools.shortcuts import buildNetwork                                
from pybrain.datasets import SupervisedDataSet                                  
from pybrain.supervised.trainers import BackpropTrainer

net = buildNetwork(2, 3, 1)  
net.randomize()                                                    

ds = SupervisedDataSet(2, 1)                                                       
ds.addSample([77, 78], 77)                                                         
ds.addSample([78, 76], 76)                                                         
ds.addSample([76, 76], 75)                                                         

trainer = BackpropTrainer(net, ds)                                                 
for epoch in range(0, 1000):                                                                   
    error = trainer.train()                                                                    
    if error < 0.001:                                                                          
        break                                                      

print net.activate([77, 78])                                                       
print net.activate([78, 76])                                                       
print net.activate([76, 76])  

---

我有一个类似的问题，我能够通过执行以下操作来提高准确性（即每个输入得到不同的答案）

对神经网络的输入和输出进行规范化/标准化

• 这样做可以使神经网络更准确地确定网络的内部权重和值，以便预测答案

• 这里有一篇文章更详细地解释了这一点

---

最后，我通过标准化0和1之间的数据并进行训练，直到错误率达到0.00001，解决了这个问题。训练时间要长得多，但我现在确实得到了准确的结果。

你是否对节点之间的初始突触强度进行了随机化？使用net.randomize？我已经试过了，但为了以防万一，我又加了回去，同样的问题还在发生。我已经更新了我的代码示例来反映这一点。为了使ANN正常工作，它的突触必须在生成时随机化。当它们都具有相同的强度时，最后一层上的每个神经元都会得到相同的输出，所以我真的，真的认为是这样。最后，我解决了这个问题，将数据标准化在0和1之间，并进行训练，直到错误率达到0.00001。训练需要更长的时间，但我现在确实得到了准确的结果。代码还存在问题。如果错误<0.001，只需将显示

的位更改为
如果错误<0.00001
。我还必须对数据进行预规范化，以便所有数字都在0到1之间。
[ 75.99893007]
[ 75.99893007]
[ 75.99893007]