神经网络训练一定次数后准确率突然下降怎么回事？

谷歌人工智能写作项目：神经网络伪原创

神经网络训练时准确度突然变得急剧下降，为啥?

卷机神经网络为什么增加训练次数后 准确率降低了很多

BP神经网络

我不是大神。但可以给给意见。1，遗传算法不能改变BP神经网络准确率低的本质问题的。只能在一定程度上优化BP神经网络。2，你的数据是怎么增加的？由原来的80组数据基础上随意组合的？

还有你的输出结果是3个等级。期望输出是什么类型？预测输出是什么类型？你判断正确率的标准是什么？这些都会对正确率有影响。3，BP神经网络的正确率的提高可以通过：一，改变隐层的节点数。或增减隐层的层数。

最少一个隐层，最多2个。二，改变传递函数，一般隐层用tansig，输出层用linear或者tansig。4，最后的方法是不怎么重要的，就是数据的归一化，一般是归一化或不归一化都可以的，都试试。

我都是书本学过，做过点题目，只能给这些建议。

神经网络欠拟合是不是每次输出结果都一样，称为欠拟合，都准确无误称为过拟合？

不是的。神经网络训练有训练集和测试集，一般数据比为7：3或8：2。训练集用于生成神经网络的逻辑，测试集用于验证神经网络的正确性。

如果训练集的准确率很高，而测试集很低，说明训练集模拟出的逻辑仅对训练集适用，而和实际差异很大，这种现象称为过拟合。

如果训练集和测试集准确率都很低，说明由于数据本身原因，或神经网络的不良特性，导致神经网络无法符合实际逻辑，这种现象称为欠拟合。

神经网络的准确率是怎么计算的？

其实神经网络的准确率的标准是自己定义的。我把你的例子赋予某种意义讲解：1，期望输出[1001]，每个元素代表一个属性是否存在。

像着4个元素分别表示：是否肺炎，是否肝炎，是否肾炎，是否胆炎，1表示是，0表示不是。2，你的神经网络输出必定不可能全部都是输出只有0,1的输出。

绝大部分是像[0.99680.00000.00010.9970]这样的输出，所以只要输出中的某个元素大于一定的值，例如0.7，我们就认为这个元素是1，即是有某种炎。

否则为0，所以你的[0.99680.00000.00010.9970]可以看成是[1,0,0,1],。

3，所以一般神经网络的输出要按一定的标准定义成另一种输出（像上面说的），看调整后的输出和期望输出是否一致，一致的话算正确，不一致算错误。

4，用总量为n的检验样本对网络进行评价，输出调整后的输出，统计错误的个数，记为m。所以检验正确率可以定义为n/m。

神经网络为什么深度越深，准确率越高

在神经网络的训练过程中，是应当追求训练准确率，还是应当追求测试准确率

。

我的经验是训练准确率尽量接近测试准确率或者训练误差与测试误差均低,单纯追求训练准确率的最高不一定可取,有可能出现overlearning的情况,有时训练准确率高是因为anetworkmightimprovetheerrorratingonanumberofalreadycorrectly-classifiedcasesattheexpenseofmisclassifyinganadditionalcase.。

一般神经网络要训练多久