我需要训练一个网络来相乘或相加2个输入，但是对于20000之后的所有点，它似乎都不太好
迭代。更具体地说，我在整个数据集上对其进行训练，它对于最后一点非常接近，但是似乎
好像对于第一个端点并没有任何改善。我将数据标准化，使其在-0.8到0.8之间。的
网络本身包含2个输入3个隐藏神经元和1个输出神经元。我还将网络的学习率设置为0.25，
并将其用作学习函数tanh(x)。
对于数据集中最后训练的点，它的逼真度非常好，但是对于第一个点，它看起来像
不能很好地估计。我想知道它是什么，不管是我使用的拓 flutter 还是
还有什么吗
还有多少神经元在该网络的隐藏层中合适？
请您参考如下方法:
想一想，如果用线性函数x替换tanh(x)阈值函数-称为a.x-并将a视为每个神经元中唯一的学习参数，会发生什么。这实际上是您的网络将要优化的目标；这是tanh函数的零交叉的近似值。
现在，当您层叠此线性类型的神经元时会发生什么？当脉冲从输入到输出时，将每个神经元的输出相乘。您正在尝试通过一组乘法来近似加法。正如他们所说，这是无法计算的。
