数据量少的神经网络预测,神经网络预测值差很多

求助大神，使用BP神经网络预测数据，为什么误差很大

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。

谷歌人工智能写作项目：神经网络伪原创

为什么matlab的BP神经网络曲线拟合的时候没问题，预测的时候误差这么大

这是神经网络特性导致的，与matlab没关系AI发猫。一方面，如果你的网络层选的神经元的个数和层数不合适，就会导致这种结果；另一方面，如果你的训练样本选择的不合适，或者数据表达的太快，也会导致这种问题。

前一个方面根据经验，后一个可以做成神经元的参数可调的。

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。

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？

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？

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。

神经网络每次预测的值都不一样？

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，如果最开始的方向走错了，那么你可能永远也到不了正确的山脚。

可以说bp神经网络很难得到正确答案，也没有唯一解，有些时候只能是更多次地尝试、修改参数，这个更多依赖自己的经验，通俗点说就是“你觉得行了，那就是行了”，而不像1+1=2那样确切。

如果有耐心，确定方法没问题，那么接下来需要做的就是不停地尝试、训练，得到你想要的结果。另外，我不知道你预测的是什么，是时间序列么？比如证券？

这种预测，比较重要的就是输入参数是否合适，这个直接决定了结果精度。