本文探讨了深度神经网络在预测任务中的局限性，包括偶尔出现的大误差预测值、新数据预测不准、预测结果不一致等问题。文章指出，这些问题可能源于数据归一化、网络结构、局部极小值陷阱等。提出了解决方案，如使用Elman/RNN网络、调整网络结构、梯度截断、权重正则化等，并强调了深度学习中模型的不稳定性与依赖于训练策略和参数设置。
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
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A8U神经网络。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。
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？
BP神经网络做数据预测，预测出来结果感觉不对，求大神指导
bp神经网络在多输入多输出的情况下,预测的精度为什么这么差?
bp神经网络是有一定缺陷的，比如容易陷入局部极小值，还有训练的结果依赖初始随机权值，这就好比你下一个山坡&
最低0.47元/天 解锁文章
扫一扫
1288
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
