我对Matlab ANN Toolbox比较陌生。我正在训练NN模式识别和包含1和0的3x8670目标矩阵，使用一个隐藏层，40个神经元，其余部分使用默认设置。当我获得新的输入集的模拟输出时，则值大约为0和1.然后我们按降序排列它们并从8670个观察值中选择一个固定数字（我已知）为1并且保持为为零。
每次运行程序时，模拟输出的第一行总是具有接近100％的准确度，并且以下行不具有相同的准确度。
一般情况下是否有合理的解释？我理解，最终回答这个问题可能需要理解程序和问题，但它由几个函数组成，可以清楚地解释。我可以在训练中做一些改变以获得一致性输出吗？
如果您有任何建议，请与我分享。
谢谢，
NISHANT
答案 0 :(得分：0)
您的问题陈述对我来说并不清楚。例如，你的意思是：“然后我按降序排列并选择一个固定的数字......”
据我了解，与真实目标相比，您没有从NN获得适当的输出。我的意思是，NN的输出与目标不同。如果是这样，应该考虑不同的可能性：
如何将培训/测试/验证集划分为培训阶段？应将最多的部门分配到培训（约75％）并休息以进行测试/验证。
您的训练数据是如何设定的？它能像你期望的那样支持大多数场景吗？如果您的训练数据集与您的测试数据集有些相似（例如，您在测试数据集中有一些新的记录/样本在训练阶段没有（接近）出现，则说明为'异常值'且NN不能有效地使用这些类型的样本，因此您需要聚类方法而不是NN分类方法），您的NN结果超出范围，NN无法提供您所需的理想精度。 NN适用于那些训练和测试数据集之间没有很大差异的数据集训练。否则，NN不合适。
有时你有适当的训练数据集，但问题是训练本身。在这种情况下，您需要其他类型的NN，因为前馈NN（如MLP）无法很好地处理压缩且未完全分离的数据区域。您需要强大的函数逼近，例如RBF和SVM。