深度学习，记忆输入数据而不是学习

Question

我有1000个土耳其语的数据句，比如“a esitir b arti c”。 例句的意思是“a=b+c”。我基本上想把数学土耳其语句子翻译成数学方程式

例如，我有6个句子的数据

• 句子（“a esitir b arti c”）的意思是“a=b+c”
• 句子（“b esitir a arti d”）的意思是“b=a+d”
• 句子（“a esitir c arti d”）的意思是“a=c+d”
• 句子（“c esitir b arti b”）的意思是“c=b+b”
• 句子（“d esitir b eksi c”）的意思是“d=b-c”
• 句意为“d=a+c”

当我根据上面的数据训练我的神经网络后，当我想要“desitir a arti b”的结果时，它并没有给出它应该给出的“d=a+b”。 所以它更像是记忆。

我的人脉不大。为了使它不能记忆，我强迫它变小。然而，这并没有解决我的问题

我的网络（seq2seq RNN-LSTM Encoder-Decoder-type）在有2 3或4个变量的方程上运行得足够好（如a=a，a=a+b，a=a+b+c）。我上面告诉你的只是我问题的一个小例子。

如果重要的话，我使用Adam学习者和CNTK图书馆

你建议我怎么做才能得到正确的结果