Question

bp神经网络无法达到预测

关于BP神经网络的两个问题
做预测的时候，输入设计的检测样本后，能够得出理想的输出，和期望结果误差很小。但是重新输入一组样本值，（比如随机从训练样本里抽取），这时候输出的预测值往往就不理想了，我只是想试一下，没想到还真有问题。
训练样本输入值是比率，有正负，将其无量纲化之后，神经网络总是不理想，但是不做这步处理，直接输入，反而训练效果比较好， 我是用检测样本输出值是不是比较接近期望值这个标准来界定神经网络是不是好的，请懂这方面的大神帮我看看是否有问题，初学者，不太懂，多谢！

Answer 1

训练完成后，训练样本中的样本全部都是低误差的（达到了goal），不会出现你说的这种情况。你看看是不是你的预期输出搞错了。还有测试样本和检验样本这些一般误差也较小。

BP（Back Propagation）神经网络是86年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。