現有A1,A2,A3,A4,A5五個引數作為神經網路的輸入層，B為神經網路的輸出引數（這里記為B1），得到B之后，將A1,A2,A3,A4,A5和得到的B再一起作為神經網路的輸入層，還是通過神經網路計算B的值，得到新的輸出引數B（這里記為B2），通過比較，B2比B1更貼近實際值，也就是說，通過這里的操作，提高了神經網路的預測精度，請問這是什么原理啊，可以從理論上說說吧
uj5u.com熱心網友回復：
就是普通的BP神經網路，A1-A5是實驗測量到的資料，經過歸一化處理，不是訓練出來的資料，輸出引數是一個效率值，這樣說吧，有一個太陽能利用系統，通過實驗采集到了太陽輻射強度，環境溫度，水進口溫度等五個主要影響該系統作業效率的引數，將這五個引數作為BP神經網路的輸入層，輸出引數為該太陽能利用系統的作業效率（B1），然后將這五個引數和剛才得到的該系統的作業效率再一起作為又一個BP神經網路的輸入層，通過神經網路再次得到該太陽能利用系統的作業效率（B2），將B2與B1比較，顯然B2比B1更貼近實際值即通過實驗采集的真實的該系統效率，即通過這樣的操作，神經網路的預測精度提高了，請問這是什么道理，可以從理論上說明吧轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/194537.html
標籤：人工智能技術
上一篇：2020山東省科技創新大賽，本人計算機專業，命題該怎么選怎么想
下一篇：用matlab求解復雜四元方程，式子很長，我想要matlab求出精確解，但是老是報錯，有大神知道應該怎么改嗎？非常急，謝謝各位了