我在神经网络中编写了预测代码......
训练中的错误是好的（低于1％）但是对于预测错误很高（大约20％）...我认为我的网络过度训练但我不知道解决这个问题的方法..我已经改变了层数，神经元数量和训练功能，但结果没有改变......
所以我把我的代码放在这个论坛中，希望能得到答案： link text
此zip文件包含2个文件：
1-数据的Excel文件：训练输入的第1-4行，训练输出的第5行（输出第6行但在此代码中未使用），第7-10行用于测试输入，第11行用于测试输出。
2-matlab代码
运行程序4图表出现后：第一行用于训练数据，第二行用于测试数据。
如果有人知道答案，请更改我的代码并重新输入。
非常感谢。
编辑：
更多说明：
我有2个输出和2个代码...对于第6行（第二个输出），此代码具有可接受的结果，但对于第5行没有好的结果......
如果您认为您的建议有用，请更改我的代码并应用您的建议并将其放在此处...我在其他论坛中收到了一些建议，这些建议是一般解决方案，对结果没有影响......
答案 0 :(得分：5)
正如人们所提到的，你可能会过度拟合人工神经网络对训练数据的影响。根据数据集，如果您训练的时间足够长，您可能会获得任意良好的训练数据。另一个问题可能是训练数据无法正确表示问题空间。即测试数据中的输入与您用于训练的数据非常不同。如果是这种情况，人工神经网络就无法充分发挥作用。
为了克服过度拟合，试试这个。将数据拆分为3组;培训，验证和测试。训练ANN时也会计算验证集上的误差。如果验证集没有改进，比方说，5个时期（你总是可以配置它）然后停止训练。
另外，作为一般观点。我没有机会查看您的数据和源代码，但请记住，您需要大量数据才能获得良好的结果。如果你只有一些数据点，那么很难/不可能取得好成绩。
我建议阅读指南here，以便对人工神经网络的许多方面进行全面了解。
祝你好运！答案 1 :(得分：3)
如果您认为问题可能是过度训练，请尝试训练它们，直到它们有5％，10％的误差而不是1％。你的错误百分比越低，他们就越难以概括 - 他们只知道你完全认出你给他们的东西。
答案 2 :(得分：1)
如果您正在使用Matlab，请尝试使用贝叶斯正则化训练您的网络，而不是默认的Levenberg-Marquardt算法（net.trainFcn ='trainbr'而不是trainlm）