Neural network 整数值神经网络

我有大约5000个整数向量（=大小），看起来像：

[1 0 4 2 0 1 3 ...]

它们具有相同的长度N=32，其值范围为0到4，但假设最大值为[0]。

我创建了一个NN，该NN将向量作为输入，并输出与所需输出之一对应的二进制数组（可能输出的数量=M）：
例如[0 1 0 0…0]=>第二次输出。数组长度=M
我在Neuroph中使用了一个多层感知器来处理这些整数值，但它没有收敛
所以我猜问题在于使用整数值或使用具有3层的MLP：输入、隐藏和输出

---

你能就网络结构给我一些建议吗？哪种类型的神经网络是合适的？我是否应该重新设计输入和输出以简化学习过程？我一直在考虑整数输入的灰色编码。

值是数字还是分类？而且，很难诊断一个无法收敛的问题。它可能是一个错误或错误的超参数设置，或任何数量的问题。你最好的选择是尝试一个真正简化的任务版本，比如5个具有2个功能和2个输出的培训示例。如果这样训练的话，你至少可以排除bug。我不理解你想学习的功能。你能详细说明一下吗？@Houshalter这些值是数字而不是分类的。我在一个3层MLP上按照你说的做了，它工作了。@cfh我有30个输出和5000个静态输入向量。每个向量都是输出值的可能表示形式。因此，学习算法必须将每个输入向量与期望的输出相匹配。另一方面，当NN是函数时，我将输入一个随机向量并分析输出，该输出应该显示30个值中可能的匹配输出。