神经网络预测值差很多,神经网络预测的局限性

用神经网络时间序列做预测，预测结果整体还好基本误差都非常小，但是偶尔的几个预测值的误差大的也离谱

0.00002和0.30相差1.5W倍，这肯定是不行的，太不稳定。看看是不是忘记对数据进行归一化？没归一化的话，会导致数量级大的输入的权值占主导地位，弱化其他输入向量维的作用。

如果不是归一化的原因，看看是不是网络结构有问题，例如改变隐层节点数、改变输入向量结构，或者干脆换种神经网络。

谷歌人工智能写作项目：神经网络伪原创

我用神经网络做预测，可是每次运行的结果都不同，请问是什么原因？

bp神经网络遇到新的数据，就预测不准，怎么弄？

预测数据的话BP不是特别好用，最好用Elman反馈神经网络或者RNN循环神经网络，这些有记忆功能的网络比较好用。bp主要和你选择的隐含层数，和误差范围，学习率有关。

你可以调节相关参数来改变神经网络，获得更精确的结果。

BP神经网络每次训练结果不一样是怎么回事？

因为初始权值和阈值是随机产生的。

神经网络每次结果不同是因为初始化的权值和阈值是随机的,因为每次的结果不一样，才有可能找到比较理想的结果,找到比较好的结果后，用命令savefilenamenet;保存网络，可使预测的结果不会变化，调用时用命令loadfilenamenet; 优劣势：BP神经网络无论在网络理论还是在性能方面已比较成熟。

其突出优点就是具有很强的非线性映射能力和柔性的网络结构。网络的中间层数、各层的神经元个数可根据具体情况任意设定，并且随着结构的差异其性能也有所不同。但是BP神经网络也存在以下的一些主要缺陷。

①学习速度慢，即使是一个简单的问题，一般也需要几百次甚至上千次的学习才能收敛。②容易陷入局部极小值。③网络层数、神经元个数的选择没有相应的理论指导。④网络推广能力有限。

对于上述问题，目前已经有了许多改进措施，研究最多的就是如何加速网络的收敛速度和尽量避免陷入局部极小值的问题。

BP神经网络最后得出的误差很大

1、看看是不是训练效果好，预测效果不好。如果是这样那就是过拟合。网上搜搜有很多解决过拟合的方法。2、如果训练和预测都不好，那就是模型有问题。可能原因是（1）数据量太小。

（2）输入和输出数据之间相关性小。

（3）调整参数：除了调整误差和学习率这些参数之外，还可以调整传递函数，例如trainlm适合一般模型，还有其他例如trainbr等函数，可以网上搜索看看每个函数适用的区别。

我用bp神经网络做预测，可是每次预测出来的结果都不一样，且差的比较多，要怎么办？

用MATLAB做bp神经网络的预测，训练的挺好。但是预测误差很大，是什么原因，怎么解决啊

1.训练样本有可能不够多。

2.样本不具有代表性，不具有特征性3.网络模型设计有问题，需要TryErrorandTry4.可以使用Trainbr（贝叶斯正则化训练函数），这个函数对网络的泛化能力比较好。