如何构建神经网络来将两个数字相乘

我正在尝试构建一个将 2 个数字相乘的神经网络。为了做同样的事情，我借助了 scikit-learn。我想要一个具有 2 个隐藏层 (5, 3) 和 ReLU 作为激活函数的神经网络。

我已经定义了我的MLPRegressor如下：

X = data.drop('Product', axis=1)
y = data['Product']
X_train, X_test, y_train, y_test = train_test_split(X, y)
scaler = StandardScaler()
scaler.fit(X_train)

X_train = scaler.transform(X_train)
X_test = scaler.transform(X_test)
mlp = MLPRegressor(hidden_layer_sizes=(5, 3), activation="relu", learning_rate="adaptive", max_iter=500000, verbose=True, validation_fraction=0.25)

Here, data是包含 3 列、2 个随机数和 1 个产品列的数据框。 问题是我得到的损失是 10^14 量级。如何减少这种损失、提高模型性能以及在这种情况下所有可能的更改可以帮助我解决问题？

我不是神经网络方面的专家。我会对输入进行对数转换，然后将它们输入网络，然后对输出求幂。只是一个想法。