我需要实现一个机器人大脑，我使用前馈神经网络作为控制器。该机器人有24个声纳传感器，只有一个输出，R=右，L=左，F=前，B=后。我还有一个大型数据集，其中包含声纳数据和所需的输出。 FNN 使用反向传播算法进行训练。
我使用 Neuroph Studio 构建 FNN 并进行训练。这里是网络参数：
输入层：24 隐藏层：10 输出层：1 学习率：0.5 动量：0.7 全局误差：0.1
我的问题是，在迭代过程中，误差略有下降，并且似乎是静态的。我尝试更改参数，但没有得到任何有用的结果！！
使用 1 of n 编码进行输出。使用 4 个输出神经元，并设置目标（输出）数据，如下所示：
1 0 0 0 = right
0 1 0 0 = left
0 0 1 0 = forward
0 0 0 1 = back
首先减少输入传感器（和相应的输入神经元）的数量，减少到 3 或 5 个。这将简化事情，以便您可以了解发生了什么。稍后您可以重新构建最多 24 个输入。
神经网络在训练过程中经常陷入局部最小值，这可能就是你的错误是静态的原因。增加动力可以帮助避免这种情况。
你的学习率看起来相当高。尝试 0.1，但可以尝试使用这些值。每个问题都是不同的，并且没有保证有效的值。