新手关于bp网络的一个问题
 

大家好，我是matlab新手，昨天用matlab做神经网络的仿真，可仿真结果与我预想的不一样，想请高手帮忙。以下是问题的描述：
我写的是两层sigmoid单元，8个输入单元，3个隐藏单元，8个输出单元，全相连。希望通过网络训练能使输出和输入一致，如输入【0 0 0 0 1 0 0 0】则输出为【0 0 0 0 1 0 0 0】。初始的网络权值都设为0，所有的mc设为0，lr设为0.3，并将biasConnect全设为0。用adapt函数训练样例：输入【1 0 0 0 0 0 0 0】训练值为【1 0 0 0 0 0 0 0】一次。
输出 =
0.5018
0.4982
0.4982
0.4982
0.4982
0.4982
0.4982
0.4982
输出层权值 =
0.0047 0.0047 0.0047
-0.0047 -0.0047 -0.0047
-0.0047 -0.0047 -0.0047
-0.0047 -0.0047 -0.0047
-0.0047 -0.0047 -0.0047
-0.0047 -0.0047 -0.0047
-0.0047 -0.0047 -0.0047
-0.0047 -0.0047 -0.0047
然而，按照我的计算，对于输出层的sigmiod单元的梯度方向是：d = o*(1-o)*(t -o)*x，其中d为梯度，o为网络输出，t为训练值，x为隐藏层的输出。w = w + d*lr ，其中w是输出层权值，d是梯度方向，lr是学习数率。按照我的计算，按上面的训练过程，所有o = 0.5，x = 0.5，对于第一个输出单元t = 1。这样d = 0.5*(1-0.5)*(1-0.5)*0.5 = 0.0625，而w = 0+0.0625*0.3 = 0.01875 。与仿真实验不符！

回复: 新手关于bp网络的一个问题
 

多用一些样本，进行训练，试一下。并检查一下误差是多少