Neural network Elman网络-负值和大于1的计算值

我规范化了数据，但在使用encog Elman模式计算新数据时，仍然得到负值和大于1的值

即使按原样运行ElmanXOR示例：

图层：1个输入，5个隐藏，1个输出 激活：激活乙状体 培训：LevenbergMarquardt培训： A.贪心的 B杂交策略->神经模拟退火

---

有可能吗？

如果您使用的是Encog的Sigmoid激活函数，您应该只获得0到1之间的输出值，因为这是输出函数所能实现的全部功能（您确定您的输出节点没有使用线性激活函数吗？）。不可能获得高于1或低于-1的值

（来源：）

我想知道你的数据是否没有正确地标准化（你能上传标准化数据的样本吗？）

当你正常化时，我假设你做了这样的事情：

        var analyst = new EncogAnalyst();  
        var wizard = new AnalystWizard(analyst);  
        wizard.Wizard(DataFile, true, AnalystFileFormat.DecpntComma);

这将规范化-1和1之间的数据。我认为您应该尝试添加此代码以将所有内容规范化为0到1之间

            foreach (AnalystField field in analyst.Script.Normalize.NormalizedFields)  
            {  
                field.NormalizedHigh = 1.0;  
                field.NormalizedLow = 0.0;  
            }  

---

或者，您也可以尝试不同的激活函数，如HyperbolicTangent，因为它的输出介于-1和1之间。

如果您使用的是Encog的Sigmoid激活函数，您应该只获得介于0和1之间的输出值，因为这是输出函数所能实现的全部功能（您确定输出节点未使用线性激活函数吗？）。不可能获得大于1或小于-1的值

Neural Network Results:
input: 1 ,ideal=0  actual: 0.625124775182661
input: 0 ,ideal=1  actual: -0.476592365362806
input: 1 ,ideal=0  actual: -0.0206919867584277
input: 0 ,ideal=0  actual: 1.35539859989167
input: 0 ,ideal=0  actual: -0.387613018442168
input: 0 ,ideal=0  actual: -0.819489650390268
input: 0 ,ideal=1  actual: 1.2046874965753
input: 1 ,ideal=1  actual: 0.870695301738905
input: 1 ,ideal=1  actual: 0.159201074403962
input: 1 ,ideal=1  actual: 0.884482632556325

（来源：）

我想知道你的数据是否没有正确地标准化（你能上传标准化数据的样本吗？）

当你正常化时，我假设你做了这样的事情：

        var analyst = new EncogAnalyst();  
        var wizard = new AnalystWizard(analyst);  
        wizard.Wizard(DataFile, true, AnalystFileFormat.DecpntComma);

这将规范化介于-1和1之间的数据。我认为您应该尝试添加此代码，将所有内容规范化为介于0和1之间

            foreach (AnalystField field in analyst.Script.Normalize.NormalizedFields)  
            {  
                field.NormalizedHigh = 1.0;  
                field.NormalizedLow = 0.0;  
            }  

---

或者，你可以尝试不同的激活函数，比如HyperbolicTangent，因为它的输出介于-1和1之间。

Ya，我知道，这就是为什么我觉得奇怪的原因。我甚至从GitHub-ElmanXOR运行了encog的原始示例，并添加了一个计算循环：foreach（训练集中的IMLDataPair对）{IMLData output=elmanNetwork.Compute（pair.Input）；Console.WriteLine（“输入：{0}或输出：{1}预测：{2}”，pair.Input[0]，pair.Ideal[0]，输出[0]）；}嗨，格雷格，你看到了吗？这有意义吗？是的，我知道，这就是为什么我觉得奇怪。我甚至从GitHub-ElmanXOR运行了Encode的原始示例，并添加了一个计算循环：foreach（训练集中的IMLDataPair对）{IMLData output=elmanNetwork.compute（pair.Input）；Console.WriteLine（“Input:{0}”原始输出：{1}预测：{2}，pair.Input[0]，pair.Ideal[0]，output[0]）；}嗨，格雷格，你看到了吗？它有意义吗？

Neural Network Results:
input: 1 ,ideal=0  actual: 0.625124775182661
input: 0 ,ideal=1  actual: -0.476592365362806
input: 1 ,ideal=0  actual: -0.0206919867584277
input: 0 ,ideal=0  actual: 1.35539859989167
input: 0 ,ideal=0  actual: -0.387613018442168
input: 0 ,ideal=0  actual: -0.819489650390268
input: 0 ,ideal=1  actual: 1.2046874965753
input: 1 ,ideal=1  actual: 0.870695301738905
input: 1 ,ideal=1  actual: 0.159201074403962
input: 1 ,ideal=1  actual: 0.884482632556325