elman神經網路哪個好

⑴ PNN神經網路,BP神經網路,Elman神經網路,ANN神經網路,幾種神經網路中哪個容錯能力最強

多層前向BP網路是目前應用最多的一種神經網路形式, 它具備神經網路的普遍優點！

⑵ 知道輸入和輸出，用哪種神經網路可以計算出權值

將輸入和輸出作為樣本，對BP神經網路進行訓練，訓練完成後的網路即具有了非線性映射的功能。其實不止BP演算法，其他如RBF、Elman神經網路都可以的，只是RBF網路計算的是核函數中心和擴展因數。

BP（Back Propagation）神經網路是1986年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆傳播演算法訓練的多層前饋網路，是目前應用最廣泛的神經網路模型之一。BP網路能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數學方程。它的學習規則是使用最速下降法，通過反向傳播來不斷調整網路的權值和閾值，使網路的誤差平方和最小。BP神經網路模型拓撲結構包括輸入層（input）、隱層(hidden layer)和輸出層(output layer)。

⑶ 求助大神，使用BP神經網路預測數據，為什麼誤差很大

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。

⑷ 預測 一般有哪些方法 神經網路

時間序列預測只要能轉化為訓練樣本，即可使用神經網路進行訓練。目前常用的幾類人工神經網路，如BP神經網路、Elman神經網路、RBF神經網路、GRNN神經網路、小波神經網路以及各類組合神經網路，都是可以應用在時間序列預測中的。
預測效果較好的一般有：1、GRNN神經網路、RBF神經網路。局部逼近網路由於只需調整局部權值，因此訓練速度較快，擬合精度也較高。2、Elman神經網路。由於Elman神經網路的承接層的延時運算元，使得網路可以記憶歷史信息，這正好與時間序列預測的原理相同，極其適於應用於時間序列預測。

⑸ 採用什麼手段使神經網路預測更加准確

1. 優化神經網路結構。如BP神經網路改變隱層神經元數量、訓練演算法等；

2. 使用其他神經網路。如Elman神經網路考慮了前一時刻的輸出，比較適合用於預測，預測效果往往更好。RBF神經網路的訓練速度很快，訓練效果也很好。
   

3. 改進的神經網路演算法。例如BP神經網路增加動量項、自適應學習率等措施，防止陷入局部極小影響預測效果。

4. 組合神經網路。取長補短，將全局搜索能力強的演算法與局部逼近快的演算法組合起來，如遺傳演算法優化初始權值，再訓練。這種方法比較靈活，可以和許多演算法融合。

5. 全面考慮影響因素。未來的預測值受許多因素影響，所以應該在基於歷史數據的基礎上，充分考慮各種因素，考慮得越周全，預知信息越多，預測效果一般更好。

⑹ Elman神經網路的介紹

Elman神經網路是 J. L. Elman於1990年首先針對語音處理問題而提出來的，是一種典型的局部回歸網路( global feed forward local recurrent)。

⑺ elman神經網路和rnn有什麼關系

深度學習是多層的神經網路。RNN和elman神經網路是深度學習的主要內容之一。深度學習絕不僅僅是多層的神經網路。網路必須擁有一定的」記憶能力」。為了賦予網路這樣的記憶力，一種特殊結構的神經網路——遞歸神經網路(Recurrent Neural Network)便應運而生了。Elman神經網路是 J. L. Elman於1990年首先針對語音處理問題而提出來的，是一種典型的局部回歸網路( global feed forward local recurrent)。

⑻ Elman神經網路學習問題

你是參考別人的代碼修改的吧？報錯信息的意思是：input_train、output_train這兩個變數沒有定義。你應該在之前對這兩個變數進行賦值，即將訓練數據的輸入和輸出做成矩陣形式，以一列為一個樣本，再賦值給這兩個變數。

訓練Elman神經網路可以用train()或者adapt()。兩個函數不同之處在於，train()函數應用反向傳播訓練函數進行權值修正，通常選用traingdx訓練函數；adapt()函數應用學習規則函數進行權值修正，通常選用learngdm函數。
Elman神經網路的可靠性要比一些其他類型網路差一些，這是因為在訓練和調整時，應用誤差梯度的估計值。恰恰因為這一點，構建網路時，為了達到這一精度，Elman神經網路隱含層神經元的數目比其他網路結構相對較多。

⑼ Elman神經網路和回聲狀態網路哪個好

BP等前饋型神經網路是將動態時間建模問題變為靜態空間建模問題，同時還需對模型結構進行定介，特別是隨系統階次的增加或階次未知，迅速擴大的網路結構使網路學習的收斂速度減慢，並造成網路輸入節點過多、訓練困難及對外部雜訊敏感等弊病。
Elman回歸神經網路是在BP網路基本結構的基礎上，通過存儲內部狀態使其具備映射的動態特徵功能，從而使系統具有適應時變特性的能力。

⑽ 用哪種神經網路進行圖像識別好

圖像識別，是指利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對像的技術。一般工業使用中，採用工業相機拍攝圖片，然後再利用軟體根據圖片灰階差做進一步識別處理。

附件是一個基於matlab的車牌識別的源程序（可以實現），其中包括車牌定位，車牌矯正，字元分割，字元識別4部分。還有已訓練好的BP神經網路用於字元識別。可以對你的圖像識別起一定參考作用。