如何提高前馈神经网络的准确性？

Question

我想用这个神经网络绘制 StackOverflow 的标志：

理想情况下，NN 应该变成[r, g, b] = f([x, y])。换句话说，它应该为给定的坐标对返回 RGB 颜色。FFNN 非常适用于简单的形状，如圆形或盒子。例如，经过数千个 epoch 后，一个圆看起来像这样：

自己试试：https : //codepen.io/adelriosantiago/pen/PoNGeLw

---

然而，即使经过数千次迭代，StackOverflow 的标志也更加复杂，因此 FFNN 的结果有些糟糕：

从左到右：

1. StackOverflow 的 256 色徽标。
2. 有 15 个隐藏的神经元：左边的手柄永远不会出现。
3. 50 个隐藏神经元：一般来说结果很差。
4. 0.03 作为学习率：在结果中显示蓝色（蓝色不在原始图像中）
5. 时间递减的学习率：出现左手柄，但现在丢失了其他细节。

自己试试：https : //codepen.io/adelriosantiago/pen/xxVEjeJ

一些感兴趣的参数是synaptic.Architect.Perceptron定义和learningRate值。

---

我怎样才能提高这个神经网络的准确性？

你能改进这个片段吗？如果是这样，请解释你做了什么。如果有更好的 NN 架构来处理此类工作，您能否提供一个示例？

附加信息：

• 使用的人工神经网络库：Synaptic.js
• 要在本地主机中运行此示例：请参阅存储库

Answer 1

通过添加另一层，您可以获得更好的结果：

let perceptron = new synaptic.Architect.Perceptron(2, 15, 10, 3)

您可以做一些小的改进来提高效率（微不足道）：这是我优化的代码：

let perceptron = new synaptic.Architect.Perceptron(2, 15, 10, 3)

编辑：我制作了另一个 CodePen，效果更好：

https://codepen.io/xurei/pen/KKzWLxg

顺便说一句，它很可能过度拟合。感知器定义：

let perceptron = new synaptic.Architect.Perceptron(2, 8, 15, 7, 3)