我是用BP 神经网络进行模型辨识的，在线训练过程中，出现如下问题：
如果离线训练数据太少，或者训练精度不够时，模型输出在开始可以逼近对象输出，对象输出逐渐稳定后，模型输出明显小于对象输出，而且此误差基本保持不变；如果离线训练数据太多且精度达到很小后，则模型输出一开始就很快上升到给定值，然后变化很小。虽然有跟随对象输出变化的趋势，但调整的幅度太小，所以波动太小，不能准确反映对象输出变化的大小。
请问英雄们，我该怎么办？是不是要换种方法？什么方法好？
系统为y(k+1)=f[y(k),y(k-1),u(k)];    u(k)为输入．求各位方便的话提供一点代码，小弟不会编   lyr126@
小弟跪谢各路英雄了！！！！！

用线性神经网络看看(newlin)

谢谢。您是说输出层用线性函数吗？隐层单极性sigmod行不行？

谢谢。您是说输出层用线性函数吗？隐层单极性sigmod行不行？

我又仿了．现在的　问题是输出值不是偏小就是偏大，趋势是对的．但感觉对扰动的调节作用太小．在线时修改学习率，爹代次数不起作用．有没有那路英雄可以告诉我问题在哪儿？我该怎么办？谢谢了
还有离线训练时,一次训练好还是分组进行好?