使用Brain.js开发英文理解AI遇NaN输出问题求助

核心问题 #

返回全NaN的Float32Array有两个关键诱因：

• 输入输出维度不匹配：Brain.js的前馈神经网络要求训练样本的输入、输出数组长度必须一致。你训练时用长度为5的hello数组对应长度为2的hi数组，网络无法构建合理映射关系，最终导致预测异常。
• 未做数据归一化：Brain.js的神经网络默认期望输入输出是0到1之间的数值，你直接使用0-25的字母索引值，超出模型预期范围，引发计算错误。

修复后的代码 #

const network = new brain.NeuralNetwork();
const letters = Array.from({ length: 26 }, (_, i) => String.fromCharCode(97 + i));
const MAX_LENGTH = 5; // 设定统一的输入输出最大长度，可按需调整

const AI = {
    // 将字符串转为归一化的数字数组，统一长度为MAX_LENGTH
    strToNormalizedNum: (string) => {
        const strArr = string.toLowerCase().split('');
        const numArr = strArr.map(char => {
            const index = letters.indexOf(char);
            return index === -1 ? 0 : index / 25; // 归一化到0-1区间，未知字符设为0
        });
        // 补全或截断到固定长度
        while (numArr.length < MAX_LENGTH) {
            numArr.push(0);
        }
        return numArr.slice(0, MAX_LENGTH);
    },
    // 将归一化的数组转回字符串
    normalizedNumToStr: (numArr) => {
        return numArr.map(num => {
            const index = Math.round(num * 25); // 反归一化到0-25索引
            return index >= 0 && index < 26 ? letters[index] : '';
        }).join('').trim();
    },
    ask: (txt) => {
        const normalizedInput = AI.strToNormalizedNum(txt);
        const result = network.run(normalizedInput);
        return AI.normalizedNumToStr(result);
    },
    train: (samples) => {
        network.train(samples);
    }
};

// 准备训练样本，确保输入输出长度一致
const trainingSamples = [
    {
        input: AI.strToNormalizedNum('hello'),
        output: AI.strToNormalizedNum('hi  ') // 补空格到固定长度，匹配输入维度
    },
    {
        input: AI.strToNormalizedNum('hi'),
        output: AI.strToNormalizedNum('hello')
    }
];

network.train(trainingSamples);

// 测试示例
console.log(AI.ask('hello')); // 应返回近似'hi'的结果
console.log(AI.ask('hi')); // 应返回近似'hello'的结果

关键调整说明 #

1. 统一维度：设定MAX_LENGTH固定输入输出的数组长度，不足部分补0，确保训练和预测时维度一致。
2. 数据归一化：将字母索引（0-25）除以25转换为0-1之间的数值，符合Brain.js的输入要求；解码时再乘以25取整转回索引。
3. 鲁棒性优化：处理未知字符时默认设为0，避免因字符不在字母表中导致的异常。

内容的提问来源于stack exchange，提问作者VirusterDev