请教：神经网络的输入对输出结果误差的影响
本人用BP神经网络做预测时，用训练好的网络进行后的续预测，其结果时好时坏。我感觉是：在后续预测误差大的预测点，其输入样本与网络训练时所用训练集的输入样本的相关性变弱，导致网络不能很好地适应当前输入和输出的关系，从而预测误差较大。所以我尝试找出当前输入样本与之前训练集的输入样本间的异同，以便更新训练集，重新训练网络，形成动态的预测模型。但是不知道用哪几个指标去评价样本之间的这种异同程度，求高人指点，谢谢！
我觉得并不是预测样本跟训练样本之间相关性的事，因为你的训练样本跟预测样本升滑应该取自同一组样本，否则你训练出来的神经网络根本没用～
我觉得误差大，结果时好时坏有可能是你的样本本身存在误差，也就是说有一些噪声数据加入进来了。解决办法就是要进行数据预处理，把噪声数据剔除，或者人工补足然后用噪声少的数据重吵信腊新预测看看效坦乎果