bp神经网络的输入层 输出层分别是什么数据

神经网络有很多种.有BP,SOM,ART1,ART2等等.有有师教导如BP,有无师教导如SOM,ART1,ART2.你说的竞争层属于无师教导.基本上是经过向量的运算后取欧氏距离然后处理,一个是线性的一

你这相当于软测量建模,你说的Targe是matlab神经网络工具箱中的吧?我也做了一个神经网络仿真,没有用那个工具箱,直接编的程,我的是二个输入四个输出,其实很简单,一看就懂,想要把qq邮箱给我,我发

收敛和迭代算法有关.反向传播算法是定义一个误差er（往往是输出结果与预想结果之间的某个范数）,然后求出满足误差极小的权向量.如果把误差看成一个连续函数（泛函）的话,求对权向量各分量的偏导为0即可,但是

%由于数据比较大,我又懒得用归一化,所以直接把数据降了3个数量级,%不过我觉得应该没问题,但用归一化结果应该更准确些.%由于初始权值和阀值均是随机给的,所以每次仿真都有点点不同,这是正常的.p=[11

当然都有激励函数了,激励函数理论上是可以任意选,但是在实际应用的时候并不是任何函数都适合.常用的激励函数有三种：阈值型、线性型和Sigmoid型.权值的调整和所选的激励函数有关,因为你要把各层上的数据

1,BP神经网络的隐层数,各隐层的节点数都是要不断的调节的,不过有一个一般性的范围.隐层节点数L

某层的神经元个数与节点数是一个意思.按你的假设：虽是3层神经网络,但是去叫做两层BP网络,因为输入层一般不算做一层.按你的假设,n就该取2,s1就是隐含层节点数,选取的公式是Hornik提出的公式,可

输入温度,湿度,历史降水等影响量,输出的是要预测的降水量再问：有没有具体一点的公式呢再答：没有公式，BP神经网络是个黑盒子算法，具体可以给我站内信给我你的联系方式我们交流

友情提醒百度知道上面的专家是很少的,大部分都是想赚赚积分闲人.以后有比较专业或者难一点的问题最好上专业的论坛上去问,百度知道只能算一个值得一试的补充.－－－－－－－－－－－－－－－－－－－－－－－－－

应用层httpsmtppop3telnetsnmpftpdhcptftpssh传输层tcpudpspx网络层ipipx‘appletalk’数据链路层802.3、802.4、802.5、802.11、

理论上可以,因为BP网络算法是有教师的学习,网络内部权值的改变完全依赖你给的训练样本,你的输入和输出的样本经过学习,可以达到上述结果.本身的内部权值的调整是属于黑箱的,只要输出结果合适就成.建议输出层

看上去没什么问题,建议先把数据归一化,这样比较好.

你可以把矩阵按你的规律变形为向量然后当作一个样本网络训练好之后预测的结果按你之前的规律反过来变形应该就可以了神经网络应该也能把握数据的规律要强调一点是单个样本应该只能是向量的形式再问：按我的规律？你指

隐层神经元的个数的确定目前还没有理论上的突破.目前采用比较多的是“试凑法”（tryanderror)参考文献如下：[44]丛爽.面向MATLAB工具箱的神经网络理论与应用.合肥：中国科学技术大学出版社

确定隐层节点数的方法为“试凑法”.隐含神经元的数目是非常重要的,它的选取结果直接影响到网络的性能好坏.如果隐含层的神经元数量太少,网络就不能够很好的学习,即便可以学习,需要训练的次数也非常多,训练的精

阈值也是用来调节神经网络结构的,用来尽可能逼近目标值,你要是设定为阈值是0,那么训练的时候也会自动调节阈值为非零的数.书上讲的很难,建议你看几篇论文模仿做.

这得看你用的什么激活函数,一般用sigmoid函数,不过情况是一样的.用权值乘以输入值,然后带入激活函数,这就是隐层的输出,再与隐层到输出层的权值相乘求和,这就是最后的输出.不过建议你看看关于神经网络

我自己总结的：1、神经网络算法隐含层的选取1.1构造法首先运用三种确定隐含层层数的方法得到三个隐含层层数,找到最小值和最大值,然后从最小值开始逐个验证模型预测误差,直到达到最大值.最后选取模型误差最小

最佳隐含层节点数为输入层节点数、输出层节点数之积开平方,若输入层为22,输出为1,那么隐含层个数大概为5

这个包底下怎么做我不太确定,如果你是自己写训练的话,就每更新一步再乘以个矩阵让你想要保持为0的元素为0就行了再问：嗯，谢谢你的帮助！！自己编也行，只是觉得挺麻烦，如果可以利用一些函数或者技巧，会省很多