初始权重和域值的设定问题(麻烦各位高手看一下，谢谢！！)

xuebaolin

针对BP网络每次训练结果都不一样，有什么对策啊？什么方法比较好？我知道是初始域值和权重的原因。因为要预测，别人必须能够验证我的我的结果，如果我只是随机做，然后找一个最好的结果，但是别人作不出来，是不行的。所以。所做的过程别人必须能够重复，也就是别人可以得到我的结果。
要实现上述目的应该怎么做啊？是不是可以自己设定初始权重和域值？应该怎么做啊？
  我看到几句，但是不明白每句的意思，哪位能解释下马？
net=newff(minmax(et_p),[s(i),1],{'tansig','purelin'},'trainlm');
  net.iw{1,1}=zeros(size(net.iw{1,1}))+0.5;
  net.lw{2,1}=zeros(size(net.lw{2,1}))+0.75;
  net.b{1,1}=zeros(size(net.b{1,1}))+0.5;
  net.b{2,1}=zeros(size(net.b{2,1}));

还有一个问题，如果网络设定了初始的权重和域值，训练N次，这N次最终的权重和域值是一样的嘛？
我觉得应该不一样，可是，结果是如果我设定了权重和域值，无论训练多少次，其预测结果都是一样的，而且每个最终的预测值所对应最终的权重和域值也完全一样（换句话说，如果你不设定初始权重，让我网络自己初始化，每训练一次，结果都会不同；现在我只不过设定了一个初始值而已，为什么N次训练之后结果都一样呢？）。
这是怎么回事啊？

麻烦高手能认真解答一下，多谢！！！！

hahaer

楼主这个问题问的本身有问题

BP网络每次训练结果不可能一样
但是最终目的会一样
初始权重一般随机化初始设置
你自己指定显然是有问题

但是网络经过训练后收敛
不会影响你的预测效果
别人来用也没有问题

训练结果的权重和阈值是不可能一样的
但是 对 结果并无影响
就象你去一个 目的地
但是有N条路径可以选择一样
但是最终你会走到目的地

数学原因就在于你初始化权值（决定了搜索起点）每次不一样
网络作为一个模型
其组合输出的结果是靠各个神经元的共同作用
如果你设定了固定的初始值
在相同的训练样本和网络拓扑结构之下，包括学习步长，那你最终得到的结果是一样的
不过没有什么实际意义！

xuebaolin

s首先感谢你的解答！你提到：
但是网络经过训练后收敛
不会影响你的预测效果
别人来用也没有问题

我的问题是：我可能训练N次，其中有一次的训练结果（包括用其进行预测的结果最好）。别人如果想得到我这次的结果，应该怎么做？

hahaer

如果你想保留某次最优的训练结果
你应该对训练的结果进行保存！
也就是保存你最佳的网络模型以供以后应用

此外如果用于预测
好像每次你都应该记录网络模型
如果你没有记录
训练出来也没有意义啊

lxq

训练网络其实是个曲面寻优的过程

权值和阈值影响了它的寻优方向和速率

结果好坏与初始点的选举也有关系