Deeplearning4jとRの結果が異なる

まったく同じパラメータを持つdeeplearning4jとRは同じ、同等のMSEを実行する必要があると私は信じています。しかし、私はそれを達成する方法がわかりません。Deeplearning4jとRの結果が異なる

私は、46個の変数と2個の出力を含む次の形式のCSVファイルを持っています。完全に1,0000サンプルがあります。すべてのデータが正規化され、モデルは回帰分析用です。

S1 | S2 | ... | S46 | X | Y

はRで、私はneuralnetパッケージを使用すると、コードは次のようになります。非常に簡単です

rn <- colnames(traindata) 
f <- as.formula(paste("X + Y ~", paste(rn[1:(length(rn)-2)], collapse="+"))) 
nn <- neuralnet(f, 
       rep=1, 
       data=traindata, 
       hidden=c(10), 
       linear.output=T, 
       threshold = 0.5)

。

私はアルゴリズムをJavaプロジェクトに統合したいので、モデルをトレーニングするためにdl4jを検討します。 trainsetはRコードのものとまったく同じです。テストセットはランダムに選択されます。 dl4jコードがある：

MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder() 
      .seed(rngSeed) //include a random seed for reproducibility 
      // use stochastic gradient descent as an optimization algorithm 
      .optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT) 
      .iterations(100) 
      .learningRate(0.0001) //specify the learning rate 
      .updater(Updater.NESTEROVS).momentum(0.9) //specify the rate of change of the learning rate. 
      .regularization(true).l2(0.0001) 
      .list() 
      .layer(0, new DenseLayer.Builder() //create the first, input layer with xavier initialization 
        .nIn(46) 
        .nOut(10) 
        .activation(Activation.TANH) 
        .weightInit(WeightInit.XAVIER) 
        .build()) 
      .layer(1, new OutputLayer.Builder(LossFunctions.LossFunction.MSE) //create hidden layer 
        .nIn(10) 
        .nOut(outputNum) 
        .activation(Activation.IDENTITY) 
        .build()) 
      .pretrain(false).backprop(true) //use backpropagation to adjust weights 
      .build();

エポックの数は10であり、バッチサイズがテストセットを使用して128

であり、Rの性能は