Neural network 编码神经网络误差不变

我正在创建一个处理彩色图像的神经网络。但当我训练它时，误差在某一点后永远不会改变。即使在一千次迭代之后。是什么原因造成的？或者我该怎么办？结构如下：

BasicNetwork network = new BasicNetwork();
        network.addLayer(new BasicLayer(null,true,16875));
        network.addLayer(new BasicLayer(new ActivationSigmoid(),true,(50)));
        network.addLayer(new BasicLayer(new ActivationSigmoid(),true,setUniqueNumbers.size()));
        network.getStructure().finalizeStructure();
        network.reset();

---

输入层实际上是75*75（75x75像素）*3（红、绿、蓝），所以我想到了16875。

当错误停止改变时，您已经达到了最小值，可能是局部最小值

这意味着它已经找到了迄今为止它认为最好的解决方案，如果偏离这一点，将导致更多的错误（即使它必须先上坡一点，然后才能下降到更低的错误率）。当数据中没有很强的模式/相关性时，这种情况很早就会发生。当结构不正常时，也可能发生这种情况

看来这肯定是你的问题之一~17000个输入神经元是一吨。然后50个隐藏的神经元似乎与这么多的输入不匹配。与其输入如此多的数据，不如找到一种提取特征的方法，以减少输入大小，并使其对网络更有意义

可能有助于it更好运行的示例：

• 将图像从75*75向下采样到10*10。这取决于图片是什么
• 从RGB转换为灰度
• 了解特征提取-如果你能从图像中提取特征，如线条、边缘等，那么网络将有更多可供学习的内容。说真的，特征提取是让人工神经网络发挥作用的金票

---

祝你好运

当错误停止改变时，您已达到最小值，可能是局部最小值

这意味着它已经找到了迄今为止它认为最好的解决方案，如果偏离这一点，将导致更多的错误（即使它必须先上坡一点，然后才能下降到更低的错误率）。当数据中没有很强的模式/相关性时，这种情况很早就会发生。当结构不正常时，也可能发生这种情况

看来这肯定是你的问题之一~17000个输入神经元是一吨。然后50个隐藏的神经元似乎与这么多的输入不匹配。与其输入如此多的数据，不如找到一种提取特征的方法，以减少输入大小，并使其对网络更有意义

可能有助于it更好运行的示例：

• 将图像从75*75向下采样到10*10。这取决于图片是什么
• 从RGB转换为灰度
• 了解特征提取-如果你能从图像中提取特征，如线条、边缘等，那么网络将有更多可供学习的内容。说真的，特征提取是让人工神经网络发挥作用的金票

祝你好运