Neural network 神经网络函数逼近

所以我有这样的东西， y=l3*[sin（theta1）*cos（theta2）*cos（theta3）+cos（theta1）*sin（theta2）*cos（theta3）-sin（theta1）*sin（theta3）+cos（theta1）*cos（theta2）+cos（theta1）+sin sin l1*sin（theta1）+l0

对于x来说也是类似的。式中，Tai是指定间隔的角度，li是一些系数。这项任务是对方程进行近似反演，所以你们设置x和y，结果将是合适的θ。所以我从指定的区间随机生成θ，计算x和y。然后我在x和y之间，θ之间。我用这些数据作为训练集，网络的输入是标准化的x和y，输出是标准化的θ

我对网络进行了训练，尝试了不同的配置，经过整晚的训练，网络的绝对误差仍然在24.9%左右。太多了，我不知道该怎么办

• 更大的训练集
• 更大的网络
• 学习率实验
• 更长的训练

技术信息

由于训练算法采用误差反向传播。神经元具有乙状结肠激活功能，单位有偏。我尝试了拓扑：[2 50 3]，[2 100 50 3]，训练集的长度为1000，训练持续时间为1000个周期（在一个周期中，我遍历了所有数据集）。学习率的值为0.2

近似误差计算为：

abs（期望输出-达到输出）/数据集长度之和

使用的优化器是随机梯度下降

损失函数

1/2（期望达到）^2

网络是在我的Matlab神经网络模板中实现的。我知道这是一个弱点，但我确信我的模板是正确的，因为（XOR问题的成功解决，微分方程的近似，状态调节器的近似）。但是我展示了这个模板，因为这些信息可能很有用

编辑： 我使用了2500个θ范围内的唯一数据

θ1，θ2，θ3

---

我也用更大的数据集进行实验，但精确度并没有提高。

你的损失函数是什么？你的优化器呢？我猜你几乎没有关于这个异常函数的数据。你能在函数上绘出1000个数据点吗？这将有助于决定是否需要更多数据…我的损失函数是1/2（期望达到）^2，优化器是误差反向传播作为随机梯度下降形式。感谢您提供绘图数据的提示，但我不确定如何合理绘图，因为每个输出（x，y）有3个θ，所以它将是4D图形，而且，我提到我需要函数的近似反转，以便有2个输入和3个输出。