我正在尝试训练人工神经网络进行分类。在输入层，我有 402 个神经元；前 400 个是二进制的，后两个是 -1 到 1 范围内的浮点数。在隐藏层中，我有 400 个神经元，在输出层中，我有一个节点，我想表示介于 -1 和1.

我尝试使用我在网上找到的反向传播的矢量化实现来训练这个网络（我尝试了不同的实现，并且我自己也实现了一个）。我的问题是，我的网络似乎没有学到很多东西。如果我的学习率高于 0.0001 左右，我就会遇到麻烦，并很快进入局部最小值，而学习率较低时，学习（显然）非常非常慢。

我可以训练尽可能多的数据，所以这不是问题，但当然时间是有限的，所以我希望能够在合适的时间内训练这个网络。

您是否对可能出了什么问题有任何直觉，或者需要多少数据来训练这个权重约为 160.000 的网络？

如果相关，我可以上传一些数据。

由于 Martin 的评论，这里是不同数量的隐藏神经元的一些学习统计数据：Google Docs Spreadsheet

我观察到的另一件事是，对于我的数据集，0.3 的恒定输出将导致 SSE 约为 160，所以我绝对希望低于这个 SSE。