神经网络训练时准确度突然变得急剧下降，为啥?

谷歌人工智能写作项目：神经网络伪原创

神经网络训练一定次数后准确率突然下降怎么回事？

神经网络训练为什么效果不佳

那是肯定有影响的。你这样理解，就像你让一个复杂的结构构造的机器去学习一个东西，和你用一个构造简单的机器去学习一个东西，它们理解的会一样吗？

而且关于隐含层神经元个数还有几个公式来推测它可能的神经元个数，你可以查查看，如果没有影响...。

卷机神经网络为什么增加训练次数后 准确率降低了很多

为什么神经网络训练不起来 20

为什么深层神经网络难以训练

deeplearinig就是神经网络的一类，就是解决的训练问题的深层神经网络，所以你这问题“深度学习会代替神经网络‘就不对，BP么，BP有自己的优势，也是很成熟的算法，做手写识别等等效果已经商用化了，不会被轻易替代。

deeplearning远比BP要复杂，用来解决的问题也不是一个层面，所以也没有替代的必要。Deeplearning所涉及的问题大多数BP都没法解决的。。。。。。。。。

matlab bp神经网络，误差设为0.001，可是训练了3万多次，一直达不到，网络的误差停留在0.0017,这是为什么？

bp神经网络在多输入多输出的情况下,预测的精度为什么这么差?

bp神经网络是有一定缺陷的，比如容易陷入局部极小值，还有训练的结果依赖初始随机权值，这就好比你下一个山坡，如果最开始的方向走错了，那么你可能永远也到不了正确的山脚。

可以说bp神经网络很难得到正确答案，也没有唯一解，有些时候只能是更多次地尝试、修改参数，这个更多依赖自己的经验，通俗点说就是“你觉得行了，那就是行了”，而不像1+1=2那样确切。

如果有耐心，确定方法没问题，那么接下来需要做的就是不停地尝试、训练，得到你想要的结果。另外，我不知道你预测的是什么，是时间序列么？比如证券？

这种预测，比较重要的就是输入参数是否合适，这个直接决定了结果精度。

神经网络 控制 效果不好

控制逻辑基本PID就可以解决了，但是如果特诊很多的话神经网络按理论来说会更好，但要看你怎么做特诊工程，网络结构是怎么设计、优化的。

当然还有神经网络权重的初始化，这里权重初始化方法和每一次初始化的随机数都很重要。