反向传播重量调整功能不起作用

Question

我正在使用sigmoid激活功能创建一个神经网络，我的体重调整功能不起作用。权重从-1到1随机初始化，并且随着网络训练，值超出范围。

权重存储在邻接矩阵中，每个权重用循环调整，我的教授给我这个公式计算权重的变化（deltaW）。当将deltaW添加到当前重量时，我尝试将其设为负值，因为我的教授建议尝试，但没有这样的运气。我测试了所有其他功能，它们工作正常，所以我的问题必须在这里。

void adjustWeights(struct neuralNetwork* network_ptr, struct dataSet data){
    float stepsize = 0.1,
        summation = 0,
        deltaW = 0;

    for(int i=0; i<2; i++){//adjust weights between intermediate and output
        for(int j=0; j<3; j++){
           deltaW =stepsize*(network_ptr->outputNodes[i] - data.target[i]) * network_ptr->outputNodes[i]* (1 -network_ptr->outputNodes[i]) * network_ptr->intermediateNodes[j];
            //cout << "weight: " << network_ptr->intermediateToOutput[j][i] << "  deltaW:  " << deltaW;
            network_ptr->intermediateToOutput[j][i] += deltaW;
            //cout << "  new weight: " << network_ptr->intermediateToOutput[j][i] << endl;
        }
    }

    for(int i=0;i<3; i++){ //adjust weights between input and intermediate
        for(int j=0;j<3; j++){
            for(int k=0; k<2; k++)//this does the summation portion of the weight adjusment.
                summation =(network_ptr->outputNodes[k] - data.target[k]) * network_ptr->outputNodes[k]* (1 -network_ptr->outputNodes[k]) * network_ptr->intermediateNodes[j]*network_ptr->intermediateToOutput[j][k]
                            * network_ptr->intermediateNodes[j]* (1- network_ptr->intermediateNodes[j]) * network_ptr->inputNodes[i];
                network_ptr->inputToIntermediate[i][j] += stepsize*summation;
        }
    }
}

随着权重的调整，他们只是因为某些原因而继续增长。有一次我跑了它，体重增加到7.8。我将整个项目发送给了我的教授，他说一切看起来都是正确的。所以我完全傻眼了。

任何意见是极大的赞赏！

Answer 1

第10行：

network_ptr->intermediateToOutput[j][i] += deltaW;

应该是[i][j]而不是。