Réseau de neurones et convergence

Je sais qu'il y a plein de posts de ce genre, mais malgré mes recherches et tous mes tests je n'arrive à aucun résultat : je commence à me demander si mon approche n'est pas simplement mauvaise.

J'ai réalisé un réseau de neurone en c++ que j'ai validé avec un XOR.
Je souhaite maintenant lui apprendre à déduire d'un angle en randian en entrée, deux valeur (un rayon en mm et un angle en radian). J'ai à disposition une série de 1000 entrées/sorties obtenues en simulation et sur laquelle j'itère pour effectuer l'apprentissage. La simulation se fait avec un peu de trigo (pas besoin de RN donc) mais ce n'est qu'un début et j'aimerais commencer avec un début qui fonctionne !

J'ai testé avec plein de momentum et learning rate différents, en changeant la dimension du hiden layer (entre 2 et 4), mais le réseau converge toujours vers un résultat lointain de celui souhaité.
J'ai tenté de modifier les valeurs objectifs pour conserver des valeurs dans [0, 1], mais le réseaux finit toujours pas donner des résultats fixes indépendants de l'input.
J'obtiens [1, 0.816478] pour des objectifs respectivement de [30, 80] pour le rayon et oscillant autour de 6.4 pour l'angle.

Si besoin, je peux détailler le calcul que je souhaite lui faire faire et donner tout plein de valeurs de tests !