00问答网
所有问题
当前搜索:
神经网络预测值都一样
为什么我的BP
神经网络
的
预测
输出结果几乎
是一样的
呢
答:
最大的可能性是没有归一化。具体原因见下:下面这个是经典的Sigmoid函数的曲线图:如果不进行归一化,则过大的输入x将会导致Sigmoid函数进入平坦区,全部趋近于1,即最后隐层的输出全部趋同。输出层是个purelin,线性组合后的输出层输出当然也全是几乎
相同
的了。使用matlab进行归一化通常使用mapminmax函数,...
神经网络
每组
预测值一样
答:
需要指点什么,
预测
输入和样本输入数目
相同
而已,没什么大惊小怪的。。。
用matlab
神经网络
工具箱训练样本,发现
预测
结果
都是一
个值拜托了各位 谢...
答:
检查一下测试集的选取是否合理
关于BP
神经网络预测值相同
的疑问
答:
人口的变化迁移改变并没有想象中的剧烈啊
matlab
神经网络预测
问题,网络训练完成后,输入
相同
初值P,为什么每次输...
答:
a=sim(net,x)说实话我也菜鸟级别,你看一下最后这个函数能不能用:其中“a”自己随便可以设的,其实就是个代表返回值 “net”换成你训练好的函数,“x”换成你的输入矩阵 参考资料:百度一下
你好!我在利用BP
神经网络
时,我的训练集和
预测
集的误差都还可以,只是...
答:
这肯定是出现了过拟合了,你可以做一下改进。1.处理一下数据集,也就是说重新划分训练集和测试集2.换一个误差检验函数3.调整一下隐节点个数4.控制学习次数
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...
答:
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
中每个节点的运算方式
都是一样
的吗?想被科普一下
答:
同一层,基本
都是一样
的。这层的输出=f(输入的加权和),加权和=输入1*参数1+输入2*参数2。。。+偏执项,再把这个加权和经过f函数的计算,得到这层的输出 所以,从这个过程来看,每一层所有节点的函数f是一样的,输入也是一样的。不同的是参数1,参数2。参数之所以会不一样,是因为初始化的...
用matlab做
神经网络
BP,调了很多参数,误差始终达不到目标值并且始终为同...
答:
net=newff(minmax(x),[3,
1
],{'tansig','purelin'},'trainlm');%创建
神经网络
把'purelin'改为'logsig'或'tansig'试试。
用matlab做BP
神经网络
,进行数据
预测
,全部都为正数,但是反归一化后得到...
答:
你这是将结果反归一化以后出现了负值,我觉得原因不在传递函数,是由于整个
神经网络预测
性能不佳导致的。考虑重新优化网络结构或者对样本数据进行处理吧。
1
2
3
4
5
6
7
8
9
10
涓嬩竴椤
灏鹃〉
其他人还搜
神经网络预测出来的都是一样
神经网络预测值几乎一样
神经网络输出都是一样的值
cnn预测值全是一个
神经网络预测彩票可能嘛
神经网络过拟合
神经网络预测结果都一样
神经网络如何预测
神经网络预测什么