Неправильно обучается нейросеть

public void Learn(int[] data, int[] ideal) //data - данные для работы сети, ideal - для обучения
        {
            Work(data); //делаем передачу вперёд для получения результата
            double[] actual = new double[] { Layers[2].neurons[0].input, Layers[2].neurons[1].input}; //массив для результата нейросети
            for(int i = 0; i < Layers[2].neurons.Length; i++)
            {
Layers[2].neurons[i].delta = (ideal[i] - actual[i]) * ((1 - actual[i]) * actual[i]); //вычисляем дельту каждого выходного нейрона
                for(int j = 0; j < Layers[2].neurons[i].inWeights.Count; j++)
                {
                    Layers[2].neurons[i].inWeights[j].value = Layers[2].neurons[i].inWeights[j].value - Layers[2].neurons[i].inWeights[j].left.input
                        * 0.1 * Layers[2].neurons[i].delta; //меняем веса скрытого слоя
                    Layers[2].neurons[i].inWeights[j].left.error = Layers[2].neurons[i].delta * Layers[2].neurons[i].inWeights[j].value; //вычисляем ошибку каждого скрытого нейрона
                    Layers[2].neurons[i].inWeights[j].left.delta = Layers[2].neurons[i].inWeights[j].left.error * (1 - Layers[2].neurons[i].inWeights[j].left.input) 
                        * Layers[2].neurons[i].inWeights[j].left.input; //и дельту
                    for (int a = 0; a < Layers[2].neurons[i].inWeights[j].left.inWeights.Count; a++)
                    {
                        Layers[2].neurons[i].inWeights[j].left.inWeights[a].value = Layers[2].neurons[i].inWeights[j].left.inWeights[a].value
                            - Layers[2].neurons[i].inWeights[j].left.inWeights[a].left.input * 0.3 * Layers[2].neurons[i].inWeights[j].left.delta; //меняем веса входного слоя
                    }
                }
            }

Layer[] lay = new Layer[3]; //слои сети
            lay[0] = new Layer(NeuronType.Input, 2); //указываем тип нейронов и их количество
            lay[1] = new Layer(NeuronType.Hidden, 4);
            lay[2] = new Layer(NeuronType.Output, 2);
            NeuralNetwork NN = new NeuralNetwork(lay); //подаём массив слоёв
            int[] d = new int[] { 1, 1, 1, 0, 0, 1, 0, 0 }; //данные для работы сети (читается парами в цикле)
            int[] learn = new int[] { 0, 1, 1, 0, 1, 0, 0, 1 }; //данные для обучения (читается парами в цикле)
            for (int a = 0; a < 5; a++) //подаём сети на ввод все данные по порядку 5 раз
            {
                for (int i = 0; i < 8; i += 2)
                {
                    NN.Work(new int[] { d[i], d[i + 1] }); //работа сети
                    WriteLine(NN.Layers[2].neurons[0].input.ToString() + " " + NN.Layers[2].neurons[1].input.ToString());//вывод
                    NN.Learn(new int[] { d[i], d[i + 1] }, new int[] { learn[i], learn[i + 1] }); //обучение
 
                }
            }

if(type == NeuronType.Input)
            {
                this.input = input; 
                for(int i = 0; i < weights.Count; i++)
                {
                    weights[i].right.input += this.input * weights[i].value;
                }
            }
            else if(type == NeuronType.Hidden)
            {
                this.input = 1 / (1 + Exp(this.input - (this.input * 2)));
                for (int i = 0; i < weights.Count; i++) 
                {
                    weights[i].right.input += this.input * weights[i].value;
                }
            }
            else
                this.input = 1 / (1 + Exp(this.input - (this.input * 2)));