elman神经网络哪个好

⑴ PNN神经网络,BP神经网络,Elman神经网络,ANN神经网络,几种神经网络中哪个容错能力最强

多层前向BP网络是目前应用最多的一种神经网络形式, 它具备神经网络的普遍优点！

⑵ 知道输入和输出，用哪种神经网络可以计算出权值

将输入和输出作为样本，对BP神经网络进行训练，训练完成后的网络即具有了非线性映射的功能。其实不止BP算法，其他如RBF、Elman神经网络都可以的，只是RBF网络计算的是核函数中心和扩展因数。

BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。

⑶ 求助大神，使用BP神经网络预测数据，为什么误差很大

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。

⑷ 预测 一般有哪些方法 神经网络

时间序列预测只要能转化为训练样本，即可使用神经网络进行训练。目前常用的几类人工神经网络，如BP神经网络、Elman神经网络、RBF神经网络、GRNN神经网络、小波神经网络以及各类组合神经网络，都是可以应用在时间序列预测中的。
预测效果较好的一般有：1、GRNN神经网络、RBF神经网络。局部逼近网络由于只需调整局部权值，因此训练速度较快，拟合精度也较高。2、Elman神经网络。由于Elman神经网络的承接层的延时算子，使得网络可以记忆历史信息，这正好与时间序列预测的原理相同，极其适于应用于时间序列预测。

⑸ 采用什么手段使神经网络预测更加准确

1. 优化神经网络结构。如BP神经网络改变隐层神经元数量、训练算法等；

2. 使用其他神经网络。如Elman神经网络考虑了前一时刻的输出，比较适合用于预测，预测效果往往更好。RBF神经网络的训练速度很快，训练效果也很好。
   

3. 改进的神经网络算法。例如BP神经网络增加动量项、自适应学习率等措施，防止陷入局部极小影响预测效果。

4. 组合神经网络。取长补短，将全局搜索能力强的算法与局部逼近快的算法组合起来，如遗传算法优化初始权值，再训练。这种方法比较灵活，可以和许多算法融合。

5. 全面考虑影响因素。未来的预测值受许多因素影响，所以应该在基于历史数据的基础上，充分考虑各种因素，考虑得越周全，预知信息越多，预测效果一般更好。

⑹ Elman神经网络的介绍

Elman神经网络是 J. L. Elman于1990年首先针对语音处理问题而提出来的，是一种典型的局部回归网络( global feed forward local recurrent)。

⑺ elman神经网络和rnn有什么关系

深度学习是多层的神经网络。RNN和elman神经网络是深度学习的主要内容之一。深度学习绝不仅仅是多层的神经网络。网络必须拥有一定的”记忆能力”。为了赋予网络这样的记忆力，一种特殊结构的神经网络——递归神经网络(Recurrent Neural Network)便应运而生了。Elman神经网络是 J. L. Elman于1990年首先针对语音处理问题而提出来的，是一种典型的局部回归网络( global feed forward local recurrent)。

⑻ Elman神经网络学习问题

你是参考别人的代码修改的吧？报错信息的意思是：input_train、output_train这两个变量没有定义。你应该在之前对这两个变量进行赋值，即将训练数据的输入和输出做成矩阵形式，以一列为一个样本，再赋值给这两个变量。

训练Elman神经网络可以用train()或者adapt()。两个函数不同之处在于，train()函数应用反向传播训练函数进行权值修正，通常选用traingdx训练函数；adapt()函数应用学习规则函数进行权值修正，通常选用learngdm函数。
Elman神经网络的可靠性要比一些其他类型网络差一些，这是因为在训练和调整时，应用误差梯度的估计值。恰恰因为这一点，构建网络时，为了达到这一精度，Elman神经网络隐含层神经元的数目比其他网络结构相对较多。

⑼ Elman神经网络和回声状态网络哪个好

BP等前馈型神经网络是将动态时间建模问题变为静态空间建模问题，同时还需对模型结构进行定介，特别是随系统阶次的增加或阶次未知，迅速扩大的网络结构使网络学习的收敛速度减慢，并造成网络输入节点过多、训练困难及对外部噪声敏感等弊病。
Elman回归神经网络是在BP网络基本结构的基础上，通过存储内部状态使其具备映射的动态特征功能，从而使系统具有适应时变特性的能力。

⑽ 用哪种神经网络进行图像识别好

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。一般工业使用中，采用工业相机拍摄图片，然后再利用软件根据图片灰阶差做进一步识别处理。

附件是一个基于matlab的车牌识别的源程序（可以实现），其中包括车牌定位，车牌矫正，字符分割，字符识别4部分。还有已训练好的BP神经网络用于字符识别。可以对你的图像识别起一定参考作用。