我在研究中使用Encog 2.4.0和Java来评估字体数字（0-9）识别中的反向传播和遗传算法。我使用JavaCV将我的数字（图像）处理为0和1的文本文件，每行代表一个字体图像。每个字体（行）有256个属性（0或1）。我的网络输入节点号是256，输出节点是10（类），我在网络中使用sigmoid激活函数。我的输出也归一化为0和1（例如1000000000表示0，0100000000表示1，依此类推，直到9）。有11个测试运行，使用不同的训练集（100到700个样本）和测试集（50到300个），使用不同参数的学习率和动量，我对具有准确性和速度（10秒到<4分钟）的反向传播性能感到非常满意。但不幸的是：（用不同参数的遗传算法进行了11次测试，我无法获得正确的准确性或速度。BP需要4分钟，GA需要2-13小时，在大多数情况下，准确性也低于0.01%，这似乎是偶然的。我试过从200到500的初始种群规模，从0.25（25%）到0.50（50%）的交配种群和突变我试过0.1、0.05、0.01和0.001。我正在使用FanInRandomizer。
网络输入和输出结构类似于XOR示例。在XOR中，输入是一个4×2的数组，输出是4×1。
我的是：输入为"样本数"X 256，输出为"样本数目"X 10。
有人能告诉我哪里出了问题吗？
谢谢，Hoss
首先，这是一个非常旧的Encog版本。遗传算法代码在3.x中发生了相当大的变化，仅此一点可能会有所帮助。
至于为什么它不能收敛，如果不看实际数据和实验，这可能是一个难题。一些想法。
- 我会确保人口得到适当的创造。取人群中最好的成员，看看你是否可以反向训练它以收敛。确保激活功能符合您的期望
- 看看GA与BP训练网络的权重范围，看看是否发生了什么疯狂的事情，将GA权重推到了不寻常的范围