bp神经网络matlab代码实例
答：实现代码：训练向量 P_in=[。。。]; %5×40向量 目标向量 T=[。。。]; %1×40向量 net=newrbe(P_in,T,0.7);Y=sim(net,P_in);x=Y;t=6:length(x)+5;lag=2;fn=length(t);[f_out,iinput]=BP(x,lag,fn); %BP（）自定义神经网络函数 [x' iinput'];预测年份或...
答：用matlab求预测一组数据的bp神经网络模型，可以分1、给定已经数据，作为一个原始序列；2、设定自回归阶数，一般2～3，太高不一定好；3、设定预测某一时间段4、设定预测步数5、用BP自定义函数进行预测6、根据预测值，用plot函数绘制预测数据走势图其主要实现代码如下：clc% x为原始序列（行向量）x=[20...
答：k=0:1:6000;w=0.03*k*pi/180;x=0.4+0.2*cos(w);z=0.2+0.2*sin(w);y1=-atan(x/z)+acos(sqrt(1-(x.^2+z.^2-0.07).^2/(0.36*x.^2+0.36*z.^2)));y2=asin((0.25-x.^2-z.^2)/0.24)-pi;[input,minI,maxI,output,minO,maxO]=premnmx([x,z]',[y1,...
答：BP神经网络预测的步骤:1、输入和输出数据。2、创建网络。fitnet（）3、划分训练，测试和验证数据的比例。net.divideParam.trainRatio； net.divideParam.valRatio；net.divideParam.testRatio 4、训练网络。 train（）5、根据图表判断拟合好坏。ploterrcorr（）；parcorr（）；plotresponse（）6、预测往后数...
答：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')...
答：% 该脚本用来做NAR神经网络预测% 作者：Macer程lag=3; % 自回归阶数iinput=x; % x为原始序列（行向量）n=length(iinput);%准备输入和输出数据inputs=zeros(lag,n-lag);for i=1:n-lag inputs(:,i)=iinput(i:i+lag-1)';endtargets=x(lag+1:end);%创建网络hiddenLayerSize = ...
答：net = newff(PR,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF)其中：PR —— R维输入元素的R×2阶最大最小值矩阵； Si —— 第i层神经元的个数，共N1层； TFi——第i层的转移函数，默认‘tansig’； BTF—— BP网络的训练函数，默认‘trainlm’; BLF—— BP权值/偏差学...
答：define RUN 1 void swap(int *a, int *b){ int temp;temp = *a;a = *b;b = temp;} void change(int *p){ int i;int j;int *pmax = p, *pmin = p;for (i = 0 ; i < 5 ; i++){ for (j = 0 ; j < 5 ; j++){ if (*pmax < *(p + 5*i + j)){ p...
答：matlab实现BP神经网络,对风电功率进行预测。输入层的影响因子是风速、风向正弦、风向余弦。求代码!!! %用至少10天的数据进行训练,我设置的P不对怎么设置P???closeallclearechoonclc%NEWFF——生成一个新的前向神经网络%TRAIN——对BP神经网络进行训练%SIM——对BP神经网络进行仿真%... %用至少10天的数据进行...
答：filename = strcat(['D:\Program Files\MATLAB\R2012a\work\DeepLearn\Solar_SAE\64_64_3test\' num2str(i,'%03d') '.bmp']);filename = strcat(['E:\matlab\work\c0\TestImage' num2str(i+100,'%03d') '-1.bmp']);filename = strcat(['E:\image restoration\3-(' num2str(i+...
网友评论：
游杨18853755426：
求一个4,8,1的bp神经网络模型的matlab代码? -
3775印咱
： 代码如下:直接运行就是了.P=P=[-1, -2, 3, 1; -1, 1, 5, -3; -2, 3, 4, 6; 1, 2, 3, 4 ];%初始训练值% 创建一个新的前向神经网络 net=newff(...
游杨18853755426：
用MATLAB建立bp神经网络模型,求高手,在线等
3775印咱
： Matlab神经网络工具箱提供了一系列用于建立和训练bp神经网络模型的函数命令,很难一时讲全.下面仅以一个例子列举部分函数的部分用法.更多的函数和用法请仔细查阅Neural Network Toolbox的帮助文档. 例子:利用bp神经网络模型建立z=...
游杨18853755426：
如何用matlab编写BP神经网络程序
3775印咱
： matlab编写BP神经网络很方便的,这个工作不用像编程序的C什么的那样还要编写算法.这个算法早已经在软件的库里提供了.你只要用一条语句就出来了.把参数,深度和节点固定的往里一代数就可以了.还有一点,注意最后结果的收敛性,神经网络发展一直是曲折前进的,为什么这样,现在不太给力,因为面临着一个收敛的问题,实现起来效果不好.这些程序网上有很多,你借一本基本的神经网络的书里面也有.望采纳.
游杨18853755426：
用Matlab算BP神经网络的具体算法?
3775印咱
： BP神经网络的传递函数一般采用sigmiod函数,学习算法一般采用最小梯度下降法;下面是具体的程序例子: 例1 采用动量梯度下降算法训练 BP 网络. 训练样本定义如下: 输入矢量为 p =[-1 -2 3 1 -1 1 5 -3] 目标矢量为 t = [-1 -1 1 1] 解:本例的...
游杨18853755426：
求BP神经网络的MATLAB算法
3775印咱
： 以常用的三层BP为例: net=newff(P,T,{m},{'tansig'},'trainlm');//用newff建立新的网络net,P为样本输入,T为目标输出,m为隐层的神经元数目,tansig为隐层到输出层的传输函数,如果是多隐层则要给出每层的输出函数,trainlm为训练函数 net....
游杨18853755426：
matlab程序 BP神经网络预测 程序如下: -
3775印咱
： P=[...];输入T=[...];输出% 创建一个新的前向神经网络 net_1=newff(minmax(P),[10,1],,'traingdm')% 当前输入层权值和阈值 inputWeights=net_1.IW inputbias=net_1.b% 当前网络层权值和阈值 layerWeights=net_1.LW layerbias=net_1.b 应该没问题吧.
游杨18853755426：
BP神经网络的Matlab编程
3775印咱
： #include<stdio.h> #include<conio.h> #define RUN 1 void swap(int *a, int *b) { int temp; temp = *a; *a = *b; *b = temp; } void change(int *p) { int i; int j; int *pmax = p, *pmin = p; for (i = 0 ; i < 5 ; i++) { for (j = 0 ; j < 5 ; j++) { if (*pmax < *(p +...
游杨18853755426：
BP神经网络的Matlab编程 -
3775印咱
： #include<stdio.h> #include<conio.h> #define RUN 1 void swap(int *a, int *b) { int temp; temp = *a; *a = *b; *b = temp; } void change(int *p) { int i; int j; int *pmax = p, *pmin = p; for (i = 0 ; i < 5 ; i++) { for (j = 0 ; j < 5 ; j++) { if (*pmax < *(p + 5*i + j)) { pmax...
游杨18853755426：
用matlab编BP神经网络预测程序 -
3775印咱
： 这个程序有问题的,输入数据有10列,输出数据
游杨18853755426：
bp神经网络预测matlab源代码 -
3775印咱
： P=[1;2;3;4;5];%月 P=[P/50];T=[2;3;4;5;6];%月训练样本 T=[T/50];threshold=[0 1;0 1;0 1;0 1;0 1;0 1;0 1]; net=newff(threshold,[15,7],{'tansig','logsig'},'trainlm'); net.trainParam.epochs=2000; net.trainParam.goal=0.001; LP.lr=0.1; net=train(net,P,T); P_test=[6月]';%6月数据预测7月 P_test=[P_test/50]; y=sim(net,P_test) y=[y*50]
