MATLAB 中BP神经网络改学习率,越高越好还是越低越好

我接触matlab12年了,第一次见不用训练直接sim的bp网络,他报的信息是你没有按照常规用神经网络!再问：那我现在程序出现什么问题？

newff创建前向BP网络格式：net=newff(PR,[S1S2...SNl],{TF1TF2...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

%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

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我这里有源代码及注释,包括使用方法,留个邮箱吧,我发给你.再问：zhengxufeng_678@qq.com谢谢啦~~

我帮你写,这个我研一的时候写过,联系我再问：留下联系方式再答：9/4/6/1/5/9/3/7

%A百分含量[7.17.06.96.87.2]%B百分含量[3.23.43.63.84.0]%C百分含量[2.52.93.12.62.2]%%硬度[7865786972]%%P=[.];输入T=[.]

输入层,输出层,隐含层输入训练函数和测试函数,隐含层设置训练规则和权值还有阈值,输出训练结果和测试结果,找本书看看推荐matlab30个神经网络案例分析,上面讲解很好,还有例程

单纯这一句是Matlab基础的内容,不属于神经网络.x(:,1)的意思是“矩阵x第一列的所有元素”.举个例子,如果x=[123456789]那么此时x(:,1)=[147]如果要仔细追究x(i,j)这

你的程序训练完毕后根本就没达到目标误差,就是说训练效果不好,不能进行预测,只有训练结果好了才能预测仿真,你再改一下隐含层神经元数或者训练和传递函数试试吧~另外输入层的值可以归一化也可以不归一化,归一化

从原理上来说,神经网络是可以预测未来的点的.实际上,经过训练之后,神经网络就拟合了输入和输出数据之间的函数关系.只要训练的足够好,那么这个拟合的关系就会足够准确,从而能够预测在其他的输入情况下,会有什

首先是我不知道你用的matlab是什么版本.如果用的2010以后的版本,那么你这样初始化神经网络一定会报警告.2010版以后初始化神经网络的语句是这样的net=newff(p,t,7);输出层不需要自

mse表示均方差,当然越小越好.但是这与你训练样本的多少,训练次数都有很大关系.你试试看径向基神经网络和高斯型网络能不能更好的减低训练误差,神经网络就是一个不断调试的学习过程.再问：这个我也知道，但是

你的T 少了一个.

假设输入的是5个参数,输出1个参数.神经网络的节点结构为5-N-1（N是中间层节点数,数目根据实验效果确定,可选5~10个）关于输入延迟,不清楚意思.是否可以做这样的数据处理：假设t时间的5个输入数据

P=[];‘输入,开盘价,最高价,最低价,收盘价成交量依次5天的数据’T=[];’输出,即第二日的收盘’net=newff(minmax(P),[7,1],{'tansig','logsig'},'t

一般用trainlm,超大规模的用trainscg、traingdm.trainbr用的少.具体数学原理看书去吧.

去“pudn”下载两段代码,看看便懂再问：网站不错，可是还要上传和审核，我就想麻烦了，你能给下载一份不？？再答：给个邮箱，还有就是，你最好弄几段代码传一下，方便自己以后从上面下载，其实很普通的代码传几

问题补充：基于BP神经网络的输出的问题希望能对数据进行归一化处理后能显示matlab中的归一化处理有三种方法1.premnmx、postmnmx、tramnmx2.restd、

1,我用的是matlabR2008,一列代表一个样本.其他版本的不知道2,matlab中神经网络工具箱就已经很方便了,调用函数和修改参数就可以用了.3,net_1.trainParam.lr代表学习速

net1=newff(minmax(pX),[16,1],{'tansig','purelin'},'trainlm'); 这个是激活函数的语