神经网络-输出收敛到0，python

我正在尝试使用简单的反向传播和一个热编码在多层神经网络中将2D数据分为3类。在我将增量学习改为批量学习后，我的输出收敛到0（

[0,0,0]

），主要是因为我使用了更多的数据或更高的学习速度。我不知道我是否必须派生出其他东西，或者我是否在代码中制造了一些bug

for each epoch: #pseudocode
    for each input:
        caluclate hiden neurons activations (logsig)
        calculate output neurons activations (logsig)

        #error propagation   
        for i in range(3):  
            error = (desired_out[i] - aktivations_out[i])
            error_out[i] = error * deriv_logsig(aktivations_out[i])             
        t_weights_out = zip(*weights_out)           
        for i in range(hiden_neurons):  
            sum_error = sum(e*w for e, w in zip(error_out, t_weights_out[i]))               
            error_h[i] =  sum_error * deriv_logsig(input_out[i])

        #cumulate deltas             
        for i in range(len(weights_out)):                               
            delta_out[i] = [d + x * coef * error_out[i] for d, x in zip(delta_out[i],        input_out)]               
        for i in range(len(weights_h)):
            delta_h[i] = [d + x * coef * error_h[i] for d, x in zip(delta_h[i], input)]

    #batch learning after epoch
    for i in range(len(weights_out)):                               
            weights_out[i] = [w + delta for w, delta in zip(weights_out[i], delta_out[i])]
    for i in range(len(weights_h)):
            weights_h[i] = [w + delta for w, delta in zip(weights_h[i], delta_h[i])]

---

我会尝试一些玩具的例子，在那里我肯定NN将如何运行和调试我的代码。如果我确定我的代码是有效的NN，但仍然没有得到好的结果，我会尝试更改NN的参数。但它可能会非常耗时，因此我会选择一些更简单的ML技术，例如决策树，它不是像NN那样的黑盒。使用决策树，您应该更容易、更快地找到解决方案。问题是，除了NN，您是否可以实现它