C++从零实现反向传播神经网络训练XOR不收敛问题求助

你代码的bug出在activate函数的加权求和逻辑里，累加前层输出时没有乘对应神经元的权重，相当于所有权重都被强制固定为1使用，网络自然无法学到输入和输出之间的映射关系。

修复后的activate函数代码 #

std::vector<float> activate(std::vector<float> inputs) {
    outputs[0] = inputs; /* the "outputs" of the first layer are the inputs  */
    for(int l = 1; l < layers.size(); l++)
      for(int n = 0; n < layers[l]; n++) {
        float sum = weights[l][n][layers[l-1]]; // bias
        for(int w = 0; w < layers[l-1]; w++) {
          // 原错误写法：sum += outputs[l-1][w];
          sum += weights[l][n][w] * outputs[l-1][w]; // 修复后：累加时乘对应权重
        }
        outputs[l][n] = transfer(sum);
      }
    return outputs[layers.size()-1];
}

• XOR任务可选择{2, 2, 1}的网络配置（2输入、2个隐藏层神经元、1输出），学习率设置为0.1_{0.5，训练1万}10万轮即可正常收敛。
• 权重随机化范围建议选(-1, 1)，避免初始值过大导致sigmoid函数进入饱和区影响训练效率。

内容的提问来源于stack exchange，提问作者Paweł Lis