staticbool Parallel =true;
Если параллельный режим не поддерживается процессором, то это может привести к тому, что терминал выгрузится с сообщением об ошибке
a = f2M_create_standard（nn_layer,nn_input,nn_hidden1,nn_hidden2,nn_output）。
这一行经常返回-1。
更准确地说，有些时候它返回的不是-1，然后只有-1。
摆脱它的唯一方法是重新启动计算机。我想原因是之前的网格不会被删除，而新的网格又没有地方可供删除。
而新的一个没有地方可去，所以我做了这段代码。
for (int i=0;i<1024;i++) {ann_destroy (ann[i]);} int a=-1; while(a<0) { a = f2M_create_standard (nn_layer,nn_input,nn_hidden1,nn_hidden2,nn_output); Print(a); }
其结果只是一个理智的，它被使用，但我不能说这是ZZ的优点）。
发出的不是承诺，只是一些（kol'ton集）网选择了最小的错误，但Statistisu不应该喂养没有准备的数据是一种错觉。当然，为了寻求决定，可以尝试不同的东西，但把所有东西都倒在一个格子里，让它沸腾，是不可能的，这里的任何人都会这样告诉你。
请告诉我，如果你的工作成果不向公众保密，那么在什么方向工作是值得的呢？
你们确定图书馆不是 "歪 "的吗？
情况是这样的：错误信息定期弹出，终端将被关闭。
阅读该主题。它是用俄语写的。
去他妈的议员。 没有必要重写和处理它。
有一种怀疑是图书馆本身的不正确操作，有必要查明是否是这种情况。否则就没有必要继续前进。
我对你的情况进行了模拟。事实上，当使用ann_train时，即使用~10,000个信号训练网络后，反应也是一样的。使用ann_train_fast时，网络的反应有时不同，有时不一样。
我认为确实存在一个问题，至少在天平的随机化方面。
尝试注释掉f2M_randomize_weights。如果网的反应不同，那么FANN2MQL中就会出现错误。如果它们仍然相同，则FANN中存在错误。
默认是随机化（-0.1 ... 0.1）。
UPD: 我自己检查过了。在这两种情况下都有随机性。只有一个奇怪的现象--连续2至5个网的反应相同，然后是一组其他相同的网。因此，每16个网有5个不同的答案。如果不纠正错误，一个由N个成员组成的委员会需要3*N个网，其余的是压舱物。
阅读该主题。这是用俄语写的。
谁告诉你我用平行模式的？
你为什么要以说教的方式 "扔大便 "呢？如果你不能说出堆栈中写的是什么，以及错误到底是什么。
不要说什么。是的，现在我们将开始谈论心灵感应等等，我警告这哭：给出了错误信息。
其全文，使用的功能与Yury Reshetov的相同，没有使用并行模式。
这个消息的原因是什么？
谁告诉你我在使用平行模式？
请您原谅））。
这就是为什么我认为你的最后一句话是无稽之谈。
你这么想是因为你针对我，而我只是想说这个库没有一个强大的错误处理程序，不能原谅对对象和指向对象的不正确处理。 所以，让我们成为朋友吧! )))
你试过雷舍托夫的专家顾问吗？ 它也会反弹终端吗？
UPD: 我自己检查过了。在这两种情况下都有随机性。只是有一个奇怪的现象--连续2至5个网的答案相同，然后是一组其他相同的网。因此，每16个网有5个不同的答案。如果不纠正错误，由N个成员组成的委员会需要3*N个网，其余的是压舱物。
注意到了。随机化从-1到1，在网络配置文件中，权重从-10.0e-003到10.0e-003。
例子。(12, -7.35577636217311400000e-003) (13, 7.63970005423449810000e-002)
这是否正确？
.....
是的，发生了同样的事情，即前两个或四个网的输出值与后面的网不同。
试着用不同的系数乘以输入。这并不能解决这个问题。
你这么想是因为你针对我，而我只是想说这个库没有一个强大的错误处理程序，不能原谅对对象和指向对象的不正确处理。 所以，让我们成为朋友吧! )))
你试过雷舍托夫的专家顾问吗？ 它是否也会反弹到终端？
我更喜欢友谊）））。
雷舍托夫的专家顾问在我废除并行计算之前就敲定了终端。
现在，我在所有方向上尝试我的专家顾问，并通过打印检查操作的成功。
我注意到以下特点：创建网格可能不成功（（）。
a = f2M_create_standard（nn_layer,nn_input,nn_hidden1,nn_hidden2,nn_output）。
这一行经常返回-1。
更准确地说，有些时候它返回的不是-1，然后只有-1。
摆脱它的唯一方法是重新启动计算机。我想原因是之前的网格不会被删除，而新的网格又没有地方可供删除。
而新的一个没有地方可去，所以我做了这段代码。
for (int i=0;i<1024;i++)
{ann_destroy (ann[i]);}
int a=-1;
while(a<0)
{
a = f2M_create_standard (nn_layer,nn_input,nn_hidden1,nn_hidden2,nn_output);
Print(a);
}
那么现在可以肯定的是，前1024个网应该被删除!(我可能是错的)。
但同样，它在日志中写的是-1。在重新启动之前...
好吧，我想我也会加入FANN的奇特之处...
作为一个实验，我决定用暴力训练一个由46个30/N/N/1维度的网组成的委员会（即在每个条上：~300k）。每个数据通道有一个NS。 一个时间模式被送入输入。我搞乱了维度，这就是为什么我指定N/N（我试过不同的）。我还玩起了图层。
启动器 - FANN_SIGMOID_SYMMETRIC_STEPWISE。试过其他的，但网络收敛的速度没有这个快。
我只教1或-1。在每个迭代中学习。
学习的正负迭代次数几乎相等。确切地说，是132522/112221。
数据被规范化为1:1的范围。
几乎所有的网格在训练结束时都收敛到了0.09以内的有效值。 这当然是很多的，但这不是重点。
但奇怪的是，在测试部分，整个委员会得出的数值都接近-1。我认为，这对NS来说是不健康的行为。也许库中也有一个算法错误...
还有一个观察...通过正常的训练（只有信号部分），委员会仍然倾向于在负值中堆积，尽管不像在Bruteforce中那么明显。
有没有人在自己身上观察到类似的现象？也许你有一些想法？
可视化输入数据的例子（如下）。