ibm神經網路預測異常

❶ 用神經網路時間序列做預測，預測結果整體還好基本誤差都非常小，但是偶爾的幾個預測值的誤差大的也離譜

0.00002和0.30相差1.5W倍，這肯定是不行的，太不穩定。看看是不是忘記對數據進行歸一化？沒歸一化的話，會導致數量級大的輸入的權值佔主導地位，弱化其他輸入向量維的作用。如果不是歸一化的原因，看看是不是網路結構有問題，例如改變隱層節點數、改變輸入向量結構，或者乾脆換種神經網路。

❷ 神經網路異常檢測方法和機器學習異常檢測方法對於入侵檢測的應用

神經網路入侵檢測方法是通過訓練神經網路連續的信息單元來進行異常檢測，信息單元指的是命令。網路的輸入為用戶當前輸入的命令和已執行過的W個命令；用戶執行過的命令被神經網路用來預測用戶輸入的下一個命令，如下圖。若神經網路被訓練成預測用戶輸入命令的序列集合，則神經網路就構成用戶的輪郭框架。當用這個神經網路預測不出某用戶正確的後繼命令，即在某種程度上表明了用戶行為與其輪廓框架的偏離，這時表明有異常事件發生，以此就能作異常入侵檢測。

上面式子用來分類識別，檢測異常序列。實驗結果表明這種方法檢測迅速，而且誤警率底。然而，此方法對於用戶動態行為變化以及單獨異常檢測還有待改善。復雜的相似度量和先驗知識加入到檢測中可能會提高系統的准確性，但需要做進一步工作。

❸ bp神經網路遇到新的數據，就預測不準，怎麼弄

預測數據的話BP不是特別好用，最好用Elman反饋神經網路或者RNN循環神經網路，這些有記憶功能的網路比較好用。bp主要和你選擇的隱含層數，和誤差范圍，學習率有關。你可以調節相關參數來改變神經網路，獲得更精確的結果。

❹ 神經網路學習樣本過多，導致預測不準，如何解決

可以在訓練時，採用droupot技術。

❺ 為什麼matlab的BP神經網路曲線擬合的時候沒問題，預測的時候誤差這么大

這是神經網路特性導致的，與matlab沒關系。
一方面，如果你的網路層選的神經元的個數和層數不合適，就會導致這種結果；
另一方面，如果你的訓練樣本選擇的不合適，或者數據表達的太快，也會導致這種問題。
前一個方面根據經驗，後一個可以做成神經元的參數可調的。

❻ 用MATLAB做bp神經網路的預測，訓練的挺好。但是預測誤差很大，是什麼原因，怎麼解決啊

1.訓練樣本有可能不夠多。
2.樣本不具有代表性，不具有特徵性
3.網路模型設計有問題，需要Try Error and Try
4.可以使用Trainbr（貝葉斯正則化訓練函數），這個函數對網路的泛化能力比較好

❼ 神經網路預測非常不準,突然上升或下降最後還穩定成一個常數

進入局部最小點了，梯度型神經網路 如bp會有這個問題，一般處理單調凸函數和單調凹函數可以，如果有多極點的模型 一般全局性的批處理神經網路適合。

❽ 我用神經網路做預測，可是每次運行的結果都不同，請問是什麼原因

你說的神經網路應該值的是BP網路吧，由於BP網路有無窮多個局部最優解，所以每次計算的結果都不同，這和你初值設置的不同也有關系。一般來說通過多次試驗找到一個合理的次優解作為問題的解。

❾ 利用matlab用神經網路預測 誤差過大 不知道該怎麼辦，求神經網路的那個課件

去數學中國神經網路模塊下載吧，各種神經演算法資料等著你去拿呢，備註：：免費的、免費的。