神经网络训练准确率不变,神经网络越训练越差

求助：神经网络两次训练的结果不一样

神经网络两次训练的结果不一样，这是因为每次训练的迭代初值不相同（是随机的），所以得到的结果是有差异的。一般的话，软件开启第一次时，运行得到结果是比较正确的。

例如：用BP神经网络预测某地区人口数第一次运行：第二次运行：

谷歌人工智能写作项目：神经网络伪原创

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文案狗。

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