Neural network 机器人的神经网络

我需要实现一个机器人大脑，我使用前馈神经网络作为控制器。机器人有24个声纳传感器，只有一个输出，即R=右，L=左，F=前，B=后。我还有一个包含声纳数据和所需输出的大型数据集。FNN采用反向传播算法进行训练

我用欧米诺工作室来建造FNN并进行培训。以下是网络参数：

输入层：24 隐藏层：10 输出层：1 学习率：0.5 动量：0.7 全局错误：0.1

我的问题是，在迭代过程中，错误略微下降，并且似乎是静态的。我试图更改参数，但没有得到任何有用的结果

---

感谢您的帮助

对输出使用n中的1编码。使用4个输出神经元，设置目标（输出）数据如下：

1 0 0 0 = right
0 1 0 0 = left
0 0 1 0 = forward
0 0 0 1 = back

首先，将输入传感器（以及相应的输入神经元）的数量减少到3或5个。这将使事情变得简单，这样你就可以了解发生了什么。稍后，您可以构建多达24个输入

神经网络在训练过程中经常陷入局部极小值，这可能是错误是静态的原因。增加动力有助于避免这种情况

---

你的学习率看起来很高。尝试使用0.1，但请使用这些值。每一个问题都是不同的，没有任何价值观可以保证有效。

感谢安德鲁卡斯的帮助，我照你说的做了（将输出改为四，而不是一，隐藏=15，输入=24，学习率=0.1，动量=0.7）MSE急剧下降，现在在0.5到0.4之间波动，而不是停留在2.5。我将尝试更改参数以最小化MSE（您好，经过几天的尝试，我无法使MSE降至0.01（仅达到0.03），我使用Neuroph studio进行模拟，我将尝试所有的组合（更改隐藏层的大小、学习速率、动量）如果您有任何建议，我将非常感激。0.03可以。0.01只是一个建议。您是否使用验证集来确定何时退出培训？