次に気温予測をする。まず学習した年の予測をさせる。Atypeのネットワークに予測させると図 4.11のような結果になった。
図は、370日から400日の最低気温の予想気温と実際の気温とその誤差になっており、大まかの変化は、主に追従して一日遅れての変化となっている。 しかし、390日のあたりでは予想気温が、実際の気温とほとんど同じ変化をしている。 次に、Btype についても同じ期間の最低気温の予測をすると、図 4.12 のようになった。
学習した年の気温だけあって予想気温は、実際の気温にかなり近い値になっており誤差も Atype に比べてかなり小さくなっており十分学習が出来たといえる。
つぎに、学習していない年の気温予測をしてみる。 Atype、Btypeともに3万回学習したパラメータを用いた。
誤差は、Atypeのネットワークは、2.72になりBtypeは、5.10になった。 Atypeのネットワークは、学習した年の予測とほとんど変わらない値になったが、Btypeのほうは、大きくずれてしまった。 これの原因としてはBtypeは学習した年の誤差が1を切るほどの学習のため、ネットワークが学習した2年間に特化してしまった。 よって、学習していない年の気温予測をする時にその気温のデータを与えられてもそれに対して柔軟に変化をすることが出来なかったのではないかと思われる。