你好，
我现在正在使用自动编码器上的工作，将一些简单的2D数据简化为1D。体系结构为2-10-1-1-10-2神经元/层。作为激活函数，我在使用该身份的输出层以外的每一层中使用Sigmoid。我正在使用Accord.net框架来构建它。
我正在用RBM和CD-Algorithm预先训练自动编码器，在这里我可以更改初始权重，学习率，动量和权重衰减。
微调是通过反向传播完成的，我可以配置学习率和动量。
数据是一些人为创建的形状，在图片中标记为绿色：
数据 重建
自动编码器的重建是黄线。这导致了我的问题。以某种方式，编码器无法创建非线性形状作为输出。尽管我经常测试了ARROUND并更改了值，但我并没有得到更好的结果。也许这里有人知道我如何找到问题。
谢谢！
一般而言，任何神经网络都基于您的功能针对输出的线性表示，因此网络实际在做什么（考虑两个功能）是[W1*x1 w2*x2=输出]。
实现非线性表示需要做的是使用额外的功能（s），这是旧功能的非线性表示。假设例如，使用x1^2作为额外功能或x2^2或两者。因此，网络将给出此全局方程[W1*X1 W2*X2 W3*X1^2 =输出]，在本质上是一个非线性方程，然后您可以具有非线性表示。
额外的功能方程主要取决于您的数据。在我的示例中，我使用了二次方程式，但这并不总是正确的事情。指您的数据我认为您需要使用cos（x）或sin（x）表示。