神经网络预测人工神经网络的预测发展现状？

神经网络预测时间:2021-06-07 阅读:()

数据较少时可以用bp神经网络预测吗

想做出预测，主要看你的数据能不能看出其中的规律。

比如现在我给你 0， 1， 2，3 和 1, 2, 4, 8.四个点就能很简单的看出对应关系，第二组数是以2为底数，以第一组数为幂的规律。

如果你的数据具有非常复杂的对应关系，比如现在你分类到博彩类，用神经网络理论上讲是可以预测的的，很多人发了论文，讲怎么用神经网络预测双色球什么的。

实际上效果并不是非常理想。

因为内在规律太复杂，有限的数据无法透彻的归纳出来到底数据怎么变化。

这种情况下，纵使你又几千个数据也不行。

比较保险的办法还是用逆向工程方法建立一个一个的子模型，然后整理成一个大模型再做预测。

往往会比因为数据量不够引起的神经网络预测误差要小得多。

采用什么手段使神经网络预测更加准确

1. 优化神经网络结构。

如BP神经网络改变隐层神经元数量、训练算法等； 2. 使用其他神经网络。

如Elman神经网络考虑了前一时刻的输出，比较适合用于预测，预测效果往往更好。

RBF神经网络的训练速度很快，训练效果也很好。

3. 改进的神经网络算法。

例如BP神经网络增加动量项、自适应学习率等措施，防止陷入局部极小影响预测效果。

4. 组合神经网络。

取长补短，将全局搜索能力强的算法与局部逼近快的算法组合起来，如遗传算法优化初始权值，再训练。

这种方法比较灵活，可以和许多算法融合。

5. 全面考虑影响因素。

未来的预测值受许多因素影响，所以应该在基于历史数据的基础上，充分考虑各种因素，考虑得越周全，预知信息越多，预测效果一般更好。