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.

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.

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.

所谓神经网络算法顾名思义是模拟生物神经网络而产生的一种算法,首先需要用一些已知的数据输入到神经网络中,使它知道什么样的数据属于哪一类(训练),然后将未知的数据输入进去,神经网络通过已知的数据对其进行判断来完成分类(分类).可以用来进行图像识别、分类;数据预测;曲线拟合等.推荐找本机器学习,人工智能方面的书看.

1、采用2-5-1三层BP网络结构即可实现其MATLAB 程序如下:clccleara=rand(2,200);x=a(1,:);y=a(2,:);F=x.^2+y.^2;net=newff(minmax(a),[5,1],{'tansig' 'purelin'},'trainlm');net..

先用newff函数建立网络,再用train函数训练即可.1)正向传播:输入样本->输入层->各隐层(处理)->输出层 注1:若输出层实际输出与期望输出(教师信号)不符,则.

原发布者:王磊de号1 在输入命令里面输入nntool,就可以开始了.点击import之后就出现下面的具体的设置神经网络参数的对话界面,这是输入输出数据的对话窗首先是.

都是有两种调用方法,一种图形界面的,这个从开始菜单,然后工具,然后从里面找神经网络 neural network,遗传算法工具是 全局优化工具箱里面的,global optimization.另外 一种通过命令行调用,这个需要你理解你都要做什么,我用神经网络举例.第一步需要先整理出输入变量和输出变量,第二步设计并初始化神经网络,第三部训练,第四部获得结果.如果你想结合这两者,就会更加复杂,详细的你可以再问.我曾经做过用遗传算法优化神经网络的工具.

希望以下程序对你有所帮助function net = MY_newff(pr,s,tf,btf,blf,pf)%空网络if nargin < 2 net = newnet('newff'); returnend% 参数缺省,默认值!if nargin < 4, btf = 'trainlm';.

给你修改了一下,请参考:clear all%p1,p2是训练样本 p1=[65 76 80 74 80 . %创建一个前向反馈后向传播神经网络-即BP神经网络 net=newff(pr1,pr2,[5,4],{'tansig'.