我正在使用名为 pyBrain 的 Python 库尝试一个非常简单的案例 我无法让它工作。可能有一个非常简单的 原因，所以，希望有人能帮忙!
1) 简单的 XOR 工作正常。
2) 将数字时钟上显示的 LED 分类为数字 输出值工作正常。
例如
[ 1. 1. 1. 0. 1. 1. 1.] => [ 0.]
[ 0. 0. 1. 0. 0. 1. 0.] => [ 1.]
[ 1. 0. 1. 1. 1. 0. 1.] => [ 2.]
[ 1. 0. 1. 1. 0. 1. 1.] => [ 3.]
[ 0. 1. 1. 1. 0. 1. 0.] => [ 4.]
[ 1. 1. 0. 1. 0. 1. 1.] => [ 5.]
[ 1. 1. 0. 1. 1. 1. 1.] => [ 6.]
[ 1. 0. 1. 0. 0. 1. 0.] => [ 7.]
[ 1. 1. 1. 1. 1. 1. 1.] => [ 8.]
[ 1. 1. 1. 1. 0. 1. 1.] => [ 9.]
3) 将数值分类到 LED 输出以驱动数字显示器不起作用。
例如
[ 0.] => [ 1. 1. 1. 0. 1. 1. 1.]
等等(如上但相反)。
我正在使用具有 10 个输入、1 个输出的简单线性激活器，并且我已经尝试在隐藏层中使用 >12 个神经元。
我的困惑是，网络不应该能够记住隐藏层中有 10 个神经元的模式吗？
我敢肯定我缺少一些明显的东西，所以，请随时开导我的愚蠢!
请您参考如下方法:
当您进行回归(表示值范围的单个输出节点)时，线性激活很好，但对于分类(表示匹配的二进制输出)，您最好使用限制值范围的激活。类似 sigmoid 或 tanh 的东西。
