如何利用matlab进行神经网络预测

matlab 带有神经网络工具箱，可直接调用，建议找本书看看，或者MATLAB论坛找例子。

核心调用语句如下：%数据输入%选连样本输入输出数据归一化[inputn,inputps]=mapminmax(input_train);[outputn,outputps]=mapminmax(output_train);%% BP网络训练% %初始化网络结构net=newff(inputn,outputn,[8 8]);net.trainParam.epochs=100;=0.01;=0.01;%网络训练net=train(net,inputn,outputn);%% BP网络预测%预测数据归一化inputn_test=mapminmax('apply',input_test,inputps); %网络预测输出an=sim(net,inputn_test); %网络输出反归一化BPoutput=mapminmax('reverse',an,outputps);%% 结果分析。

谷歌人工智能写作项目：神经网络伪原创

怎样用matlab建立bp神经网络

net=train(net, p, t);把这句改成net=train(net, p', t');试试，matlab应该默认使用列向量写作猫。

或者直接使用matlab提供的图形界面取训练，在命令行输入nnstart。

如何用matlab软件实现神经网络应用

给你一个实例，希望通过该例子对实现神经网络应用有一定的了解。

%x,y分别为输入和目标向量x=1:5;y=[639 646 642 624 652];%创建一个前馈网络net=newff(minmax(x),[20,1],{'tansig','purelin'});%仿真未经训练的网络net并画图y1=sim(net,x);plot(x,y1,':');%采用L-M优化算法net.trainFcn='trainlm';%设置训练算法net.trainParam.epochs=500;=10^(-6);%调用相应算法训练BP网络[net,tr,yy]=train(net,x,y);%对BP网络进行仿真y1=sim(net,x);%计算仿真误差E=y-y1;MSE=mse(E)hold on%绘制匹配结果曲线figure;plot(x,y1,'r*',x,y,'b--')执行结果。

用matlab操作人工神经网络的步骤 10

matlab数学建模视频教程有哪些？

《数学建模视频》百度网盘资源免费下载链接提取码:4253数学建模视频|MATLAB图像处理实例详解|Matlab神经网络原理与实例精解34.5小时配套教学时视频|MATLAB神经网络原理与实例精解.pdf|MATLAB初学者入门视频：MATLAB简介和给初学者的建议.zip||7天助你掌握Matlab，还能收获一份20G的数模资料合集.mp4|陈明-Matlab神经网络原理与实例精解34.5小时配套教学时视频|《MATLAB神经网络原理与实例精解》随书附带源程序|第9章 反馈神经网络|第8章 自组织竞争神经网络|第7章 径向基函数网络|第6章 BP神经网络|第5章 线性神经网络|第4章 单层感知器。

MATLAB神经网络方法，net = newff(minmax(p1),[NodeNum TypeNum],{TF1 TF2},'trainlm')各含义？求

matlab bp神经网络工具箱怎么用

%% 训练集/测试集产生% 训练集——用于训练网络P_train = ;%输入集T_train = ;%输出集% 测试集——用于测试或者使用。

P_test = ;%输入T_test ;N = size(P_test,2);%% BP神经网络创建、训练及仿真测试% 创建网络net = newff(P_train,T_train,9);% 设置训练参数net.trainParam.epochs = 1000; = 1e-3; = 0.01;% 训练网络net = train(net,P_train,T_train);% 仿真测试、使用。

T_test = sim(net,P_test);%得到结果。

如何用MATLAB的神经网络工具箱实现三层BP网络

这是一个来自nnetinfo的例子,在matlab2012b运行后的确可以,因为百度知道的文本宽度不够,注释挤到第二行了,有些乱,楼主注意区分哪些是代码哪些是注释,x1 = [-3,-2.7,-2.4,-2.1,-1.8,-1.5,-1.2,-0.9,-0.6,-0.3,0,0.3,0.6,0.9,1.2,1.5,1.8]; %x1：x1 = -3:0.3:2; x2 = [-2,-1.8,-1.6,-1.4,-1.2,-1,-0.8,-0.6,-0.4,-0.2,-2.2204,0.2,0.4,0.6,0.8,1,1.2];%x2：x2 = -2:0.2:1.2; y = [0.6589,0.2206,-0.1635,-0.4712,-0.6858,-0.7975,-0.8040,... -0.7113,-0.5326,-0.2875 ,0,0.3035,0.5966,0.8553,1.0600,1.1975,1.2618]; %y： y = sin(x1)+0.2*x2.*x2; inputData = [x1;x2]; %将x1,x2作为输入数据 outputData = y; %将y作为输出数据%使用用输入输出数据（inputData、outputData）建立网络，%隐节点个数设为3.其中隐层、输出层的传递函数分别为tansig和purelin，使用trainlm方法训练。

net = newff(inputData,outputData,3,{'tansig','purelin'},'trainlm'); %设置一些常用参数 = 0.0001; %训练目标：均方误差低于0.0001 = 400; %每训练400次展示一次结果 net.trainparam.epochs = 15000; %最大训练次数：15000. [net,tr] = train(net,inputData,outputData);%调用matlab神经网络工具箱自带的train函数训练网络 simout = sim(net,inputData); %调用matlab神经网络工具箱自带的sim函数得到网络的预测值 figure; %新建画图窗口窗口 t=1:length(simout); plot(t,y,t,simout,'r')%画图，对比原来的y和网络预测的y。

如何用MATLAB的神经网络工具箱实现三层BP网络

使用神经网络工具箱可以非常简便地实现网络建立和训练，实例代码如下：%% BP算法function Out=bpnet(p,t,p_test)%p,t为样本需要提前组织好global S1net=newff(minmax(p),[S1,8],{'tansig','purelin'},'trainlm');    %trainlm训练函数最有效%net=newff(P,T,31,{'tansig','purelin'},'trainlm');%新版用法net.trainParam.epochs=1000;=0.00001;=0.01;net.trainParam.showWindow = false;      %阻止训练窗口的弹出net.trainParam.showCommandLine = false; %阻止训练窗口的弹出net=train(net,p,t);Out=sim(net,p_test);end上面的代码不完整，完整的带训练样本数据的程序见附件。