Matlab 2016a使用NNtool感知机训练神经网络时出现NAN值问题求助

• 感知机本身的模型适配性问题：标准感知机是线性模型，仅能处理线性可分的分类任务，没有非线性映射能力，完全无法拟合非线性变量的分布规律。模型和任务不匹配会导致反向传播过程中梯度爆炸，权重被更新为无穷大，最终所有输出为NaN。
• 输入数据未做预处理：输入特征、标注标签中存在未清理的NaN、Inf值，或不同特征的量级差异过大、未做归一化/标准化，会导致权重更新步长直接溢出，一次训练迭代后权重就变为无效值，输出全为NaN。你可以运行isnan(输入矩阵)、isinf(输入矩阵)排查原始数据的异常值。
• 训练参数配置错误：即使调整了学习速率和隐藏层参数，如果输出层激活函数和损失函数不匹配，比如回归任务误用了分类交叉熵损失，也会导致损失计算直接溢出为NaN，后续梯度传递全为无效值。
• Matlab 2016a版本的已知问题：该版本NNtool工具箱的感知机实现存在数值稳定性缺陷，当初始随机权重过大、训练批次过小时，极易出现梯度溢出问题。你可以尝试手动将初始权重设置为[-0.1,0.1]区间的小随机值后再重新训练。

内容的提问来源于stack exchange，提问作者fateme