Neural network 神经网络的不良回归输出-一个不需要的上界？

我在一个使用pybrain（一个用于神经网络的python库）的项目中遇到了一个问题 建立人工神经网络，并进行回归预测。 我使用的是3层人工神经网络，有14个输入，10个隐藏层神经元，2个输出。典型的培训或测试示例如下：

输入（按空间划分）： 1534334.489 1554790.856 156060.675 20 20 50 45000-11.399025 13 1.05E-03 1.775475116 20 0

输出（按空间划分）： 1571172.296 20

我使用pybrain的BackpropTrainer，所以它使用反向传播进行训练，我一直训练到收敛。 结果的奇怪之处在于，对第一个输出的预测（例如，使用测试输入的训练神经网络的第一个输出）很好地跟踪了曲线下部的真实值，但当真实值上升时，似乎有一个不需要的上限

我把隐藏神经元的数量改为10个，但它的行为仍然是这样的。即使我使用原始训练样本测试训练过的ANN，它仍然会有这样一个上界

---

有人对这里的问题有什么直觉或建议吗？谢谢

尝试将（-1，+1）之间的值（输入和输出）标准化。

事实上，我尝试了标准化，并且成功了。但是你给了我这个暗示，谢谢！