ibm神经网络预测异常

❶ 用神经网络时间序列做预测，预测结果整体还好基本误差都非常小，但是偶尔的几个预测值的误差大的也离谱

0.00002和0.30相差1.5W倍，这肯定是不行的，太不稳定。看看是不是忘记对数据进行归一化？没归一化的话，会导致数量级大的输入的权值占主导地位，弱化其他输入向量维的作用。如果不是归一化的原因，看看是不是网络结构有问题，例如改变隐层节点数、改变输入向量结构，或者干脆换种神经网络。

❷ 神经网络异常检测方法和机器学习异常检测方法对于入侵检测的应用

神经网络入侵检测方法是通过训练神经网络连续的信息单元来进行异常检测，信息单元指的是命令。网络的输入为用户当前输入的命令和已执行过的W个命令；用户执行过的命令被神经网络用来预测用户输入的下一个命令，如下图。若神经网络被训练成预测用户输入命令的序列集合，则神经网络就构成用户的轮郭框架。当用这个神经网络预测不出某用户正确的后继命令，即在某种程度上表明了用户行为与其轮廓框架的偏离，这时表明有异常事件发生，以此就能作异常入侵检测。

上面式子用来分类识别，检测异常序列。实验结果表明这种方法检测迅速，而且误警率底。然而，此方法对于用户动态行为变化以及单独异常检测还有待改善。复杂的相似度量和先验知识加入到检测中可能会提高系统的准确性，但需要做进一步工作。

❸ bp神经网络遇到新的数据，就预测不准，怎么弄

预测数据的话BP不是特别好用，最好用Elman反馈神经网络或者RNN循环神经网络，这些有记忆功能的网络比较好用。bp主要和你选择的隐含层数，和误差范围，学习率有关。你可以调节相关参数来改变神经网络，获得更精确的结果。

❹ 神经网络学习样本过多，导致预测不准，如何解决

可以在训练时，采用droupot技术。

❺ 为什么matlab的BP神经网络曲线拟合的时候没问题，预测的时候误差这么大

这是神经网络特性导致的，与matlab没关系。
一方面，如果你的网络层选的神经元的个数和层数不合适，就会导致这种结果；
另一方面，如果你的训练样本选择的不合适，或者数据表达的太快，也会导致这种问题。
前一个方面根据经验，后一个可以做成神经元的参数可调的。

❻ 用MATLAB做bp神经网络的预测，训练的挺好。但是预测误差很大，是什么原因，怎么解决啊

1.训练样本有可能不够多。
2.样本不具有代表性，不具有特征性
3.网络模型设计有问题，需要Try Error and Try
4.可以使用Trainbr（贝叶斯正则化训练函数），这个函数对网络的泛化能力比较好

❼ 神经网络预测非常不准,突然上升或下降最后还稳定成一个常数

进入局部最小点了，梯度型神经网络 如bp会有这个问题，一般处理单调凸函数和单调凹函数可以，如果有多极点的模型 一般全局性的批处理神经网络适合。

❽ 我用神经网络做预测，可是每次运行的结果都不同，请问是什么原因

你说的神经网络应该值的是BP网络吧，由于BP网络有无穷多个局部最优解，所以每次计算的结果都不同，这和你初值设置的不同也有关系。一般来说通过多次试验找到一个合理的次优解作为问题的解。

❾ 利用matlab用神经网络预测 误差过大 不知道该怎么办，求神经网络的那个课件

去数学中国神经网络模块下载吧，各种神经算法资料等着你去拿呢，备注：：免费的、免费的。