Matlab 为什么每次即使初始权重相同，我也会得到不同的神经网络训练结果？

我知道如果初始权值和偏差是随机的，结果会有所不同，所以我使用遗传算法优化了BP神经网络的结构，并在训练前设置了遗传算法给出的初始权值和偏差。 我在Matlab R2014a中完成了这项工作，我的代码如下：

clc
clear all;

LoopTime = 100; 
NetAll = cell(1,LoopTime);
MatFileToSave = sprintf('BPTraining_%4d.mat',LoopTime);
input_train = xlsread('test.xls','D1:F40')';
output_train = xlsread('test.xls','H1:H40')';

[inputn,inputps] = mapminmax(input_train);
[outputn,outputps] = mapminmax(output_train);

A=[];

if ~exist(MatFileToSave,'file')
for  ii = 1:LoopTime
    net.divideFcn = 'dividerand';
    net.divideMode = 'sample';
    net=newff(inputn,outputn,7,{'tansig'},'trainlm');
    net.divideParam.trainRatio = 70/100;
    net.divideParam.valRatio = 30/100;
    net.divideParam.testRatio = 0/100;
    net.trainParam.epochs=2000;
    net.trainParam.lr=0.1;
    net.trainParam.goal=0.00001;

    net.iw{1,1} = [0.56642385,-0.044929342,2.806006491;
    -0.129892602,2.969433103,-0.056528269;
    0.200067228,-1.074037985,-0.90233406;
    -0.794299829,-2.202876191,0.346403187;
    0.083438759,1.246476813,1.788348379;
    0.889662621,1.024847111,2.428373515;
    -1.24788069,1.383238864,-1.313847905];   
    net.b{1} = [-1.363912639;-1.978352461;-0.036013077;0.135126212;1.995020537;-0.223083372;-1.013341625];   
    net.lw{2,1} = [-0.412881802 -0.146069773    1.711325447 -1.091444059    -2.069737603    0.765038862 -2.825474689];      
    net.b{2} = [-2.182832342];      

    [net,tr]=train(net,inputn,outputn);

    yyn = sim(net,inputn);
    yy = mapminmax('reverse',yyn,outputps);
    regre = min(corrcoef(yy,output_train));
    error = (yy-output_train)/output_train ;
    rmse = std(yy);

    A = [A;ii,regre,error,rmse];

    NetAll{ii} = net;

    clear net;

    figure
    plotregression(output_train,yy,'Regression');

    forder = 'regre_tr';
    if ~exist(forder,'dir');
    mkdir(forder);
    end
    picstr = [ forder '\regre_' num2str(ii)];
    print('-dpng','-r100',picstr);
    close

end 

save(MatFileToSave,'NetAll');

xlswrite('BPTraining_100.xls',A); 
end

我编写了一个“for end”循环来检查每次的结果是否相同，但是回归系数在0.8到0.98之间变化，并且永远不会与预期的结果相同

所以，我的问题是：

我设置初始重量的代码正确吗？如果没有，如何设置

如果正确，为什么结果仍然不同

---

这与@Neil Slater所说的一模一样：deviderand函数中的某个地方是一个随机部分，如果你不修正它的随机性，结果可能会有所不同。尝试：

[a,b,c]=dividerand(10,0.7,0.15,0.15)

多次，结果就会改变。您可以选择Neil建议的不同的“net.divideMode”，也可以使用固定随机种子创建自己的dividerand函数（我跳过了反映固定dividerand不再是真正随机的事实）：

请记住，更改原始的“dividerand”是不明智的，所以在触摸任何东西之前，请选择“另存为”。另外，新的函数名应该是不同的和唯一的（比如mydividerand）

---

这与@Neil Slater所说的一模一样：deviderand函数中的某个地方是一个随机部分，如果你不修正它的随机性，结果可能会有所不同。尝试：

[a,b,c]=dividerand(10,0.7,0.15,0.15)

多次，结果就会改变。您可以选择Neil建议的不同的“net.divideMode”，也可以使用固定随机种子创建自己的dividerand函数（我跳过了反映固定dividerand不再是真正随机的事实）：

请记住，更改原始的“dividerand”是不明智的，所以在触摸任何东西之前，请选择“另存为”。另外，新的函数名应该是不同的和唯一的（比如mydividerand）

---

可能这

net.divideFcn='dividerand'

和这个

net.divideMode='sample'

在不同的数据子集上对每个网络进行训练和这个

net.divideMode='sample'

正在不同的数据子集上训练每个网络。

[a,b,c]=mydividerand(10,0.7,0.15,0.15)%always the same result