Python 深度学习，记忆输入数据而不是学习

我有1000个土耳其语的数据句子，比如“a esitir b arti c”。 例句的意思是“a=b+c”。我基本上想把数学土耳其语句子翻译成数学方程式

例如，我有6个句子数据

• 句子（“a ESITIR b arti c”）表示“a=b+c”
• 句子（“b ESITIR a arti d”）是指“b=a+d”
• 句子（“a ESITIR c arti d”）表示“a=c+d”
• 句子（“c ESITIR b arti b”）表示“c=b+b”
• 句子（“d ESITIR b eksi c”）表示“d=b-c”
• 句子（“d ESITIR a arti c”）表示“d=a+c”

当我根据上面的数据训练我的神经网络后，当我想要“d esitir a arti b”的结果时，它不会在应该给出的地方给出“d=a+b”。 所以它更像是记忆。

我的网络不大。我强迫它变小是为了让它无法记忆。然而，这并没有解决我的问题

我的网络（seq2seq RNN-LSTM编码器-解码器类型）在包含2个3或4个变量的方程式上运行得足够好（如a=a、a=a+b、a=a+b+c）。我上面告诉你的只是我问题的一个小例子。

如果重要的话，我会使用Adam learner和CNTK库

---

你建议我怎么做才能得到正确的结果？

这不是一个编程问题。@MatiasValdenegro我应该在哪里问深度学习问题？你知道吗？我不知道，非常感谢你通知我