神经网络训练准确率不变,神经网络越训练越差

求助：神经网络两次训练的结果不一样

神经网络两次训练的结果不一样，这是因为每次训练的迭代初值不相同（是随机的），所以得到的结果是有差异的。一般的话，软件开启第一次时，运行得到结果是比较正确的。

例如：用BP神经网络预测某地区人口数第一次运行：第二次运行：

谷歌人工智能写作项目：神经网络伪原创

BP神经网络每次训练结果不一样是怎么回事？

因为初始权值和阈值是随机产生的文案狗。

神经网络每次结果不同是因为初始化的权值和阈值是随机的,因为每次的结果不一样，才有可能找到比较理想的结果,找到比较好的结果后，用命令savefilenamenet;保存网络，可使预测的结果不会变化，调用时用命令loadfilenamenet; 优劣势：BP神经网络无论在网络理论还是在性能方面已比较成熟。

其突出优点就是具有很强的非线性映射能力和柔性的网络结构。网络的中间层数、各层的神经元个数可根据具体情况任意设定，并且随着结构的差异其性能也有所不同。但是BP神经网络也存在以下的一些主要缺陷。

①学习速度慢，即使是一个简单的问题，一般也需要几百次甚至上千次的学习才能收敛。②容易陷入局部极小值。③网络层数、神经元个数的选择没有相应的理论指导。④网络推广能力有限。

对于上述问题，目前已经有了许多改进措施，研究最多的就是如何加速网络的收敛速度和尽量避免陷入局部极小值的问题。