Python 为什么神经网络不能学习曲线？

出于实验目的，我使用tf.keras构建了一个神经网络，其中一个神经元连接到乙状结肠。要学习的目标曲线是：

#target function
f = lambda x:  - 1./(np.exp(10.*x)+1.)

我从曲线中抽取了几个点作为训练数据

#creat training data

x_train = np.linspace(-1, 1, 111)
y_train = f(x_train)


#test data

x_test = np.linspace(-1, 1, 11)
y_test = f(x_test)

模型如下：

model = tf.keras.models.Sequential([
  tf.keras.layers.Dense(1, activation='sigmoid', input_shape=(1,), use_bias=True)
])

model.compile(optimizer=tf.keras.optimizers.Adam(0.01),
              loss='mse',
              metrics=['MeanAbsoluteError'])

但它并没有学会曲线。测试代码是

x_test = np.linspace(-1, 1, 11)
plt.plot(x_test, f(x_test), label='true')
y_pred = model.predict(x_test)
plt.plot(x_test, y_pred, label='predict')
plt.legend()
plt.show()

代码由colab共享，请参阅

---

应该有明显的错误，任何人都可以帮助？

sigmoid激活功能只能输出0到1之间的值。由于

f（x）

的所有值均为负值，因此无法读入该函数

---

处理此问题的一种方法是简单地将值标准化为

[0，1]

。在您的情况下，只需学习

f=lambda x:1./（np.exp（10.*x）+1.

就可以了。

请在问题中包含您的代码和任何输出；不是作为链接。