『壹』 1.如何用MATLAB神經網路工具箱創建BP神經網路模型具體有哪些步驟請高手舉實例詳細解釋下 2.如何把輸
%人臉識別模型，臉部模型自己找吧。
function mytest()
clc;
images=[ ];
M_train=3;%表示人臉
N_train=5;%表示方向
sample=[];
pixel_value=[];
sample_number=0;
for j=1:N_train
for i=1:M_train
str=strcat('Images\',num2str(i),'_',num2str(j),'.bmp'); %讀取圖像，連接字元串形成圖像的文件名。
img= imread(str);
[rows cols]= size(img);%獲得圖像的行和列值。
img_edge=edge(img,'Sobel');
%由於在分割圖片中我們可以看到這個人臉的眼睛部分也就是位於分割後的第二行中，位置變化比較大，而且眼睛邊緣檢測效果很好
sub_rows=floor(rows/6);%最接近的最小整數,分成6行
sub_cols=floor(cols/8);%最接近的最小整數，分成8列
sample_num=M_train*N_train;%前5個是第一幅人臉的5個角度
sample_number=sample_number+1;
for subblock_i=1:8 %因為這還在i，j的循環中，所以不可以用i
block_num=subblock_i;
pixel_value(sample_number,block_num)=0;
for ii=sub_rows:(2*sub_rows)
for jj=(subblock_i-1)*sub_cols+1:subblock_i*sub_cols
pixel_value(sample_number,block_num)=pixel_value(sample_number,block_num)+img_edge(ii,jj);
end
end
end
end
end
%將特徵值轉換為小於1的值
max_pixel_value=max(pixel_value);
max_pixel_value_1=max(max_pixel_value);
for i=1:3
mid_value=10^i;
if(((max_pixel_value_1/mid_value)>1)&&((max_pixel_value_1/mid_value)<10))
multiple_num=1/mid_value;
pixel_value=pixel_value*multiple_num;
break;
end
end
% T 為目標矢量
t=zeros(3,sample_number);
%因為有五類，所以至少用3個數表示，5介於2的2次方和2的3次方之間
for i=1:sample_number
% if((mod(i,5)==1)||(mod(i,5)==4)||(mod(i,5)==0))
if(i<=3)||((i>9)&&(i<=12))||((i>12)&&(i<=15))
t(1,i)=1;
end
%if((mod(i,5)==2)||(mod(i,5)==4))
if((i>3)&&(i<=6))||((i>9)&&(i<=12))
t(2,i)=1;
end
%if((mod(i,5)==3)||(mod(i,5)==0))
if((i>6)&&(i<=9))||((i>12)&&(i<=15))
t(3,i)=1;
end
end
% NEWFF——生成一個新的前向神經網路
% TRAIN——對 BP 神經網路進行訓練
% SIM——對 BP 神經網路進行模擬
% 定義訓練樣本
% P 為輸入矢量
P=pixel_value'
% T 為目標矢量
T=t
size(P)
size(T)
% size(P)
% size(T)
% 創建一個新的前向神經網路
net_1=newff(minmax(P),[10,3],{'tansig','purelin'},'traingdm')
% 當前輸入層權值和閾值
inputWeights=net_1.IW{1,1}
inputbias=net_1.b{1}
% 當前網路層權值和閾值
layerWeights=net_1.LW{2,1}
layerbias=net_1.b{2}
% 設置訓練參數
net_1.trainParam.show = 50;
net_1.trainParam.lr = 0.05;
net_1.trainParam.mc = 0.9;
net_1.trainParam.epochs = 10000;
net_1.trainParam.goal = 1e-3;
% 調用 TRAINGDM 演算法訓練 BP 網路
[net_1,tr]=train(net_1,P,T);
% 對 BP 網路進行模擬
A = sim(net_1,P);
% 計算模擬誤差
E = T - A;
MSE=mse(E)
x=[0.14 0 1 1 0 1 1 1.2]';
sim(net_1,x)
『貳』 MATLAB里的Toolboxes怎麼使用急求高手指點！！！
MATLAB工具箱介紹
有三十多個工具箱大致可分為兩類:功能型工具箱和領域型工具箱。
功能型工具箱主要用來擴充MATLAB的符號計算功能、圖形建模模擬功能、文字處理功能以及與硬體實時交互功能，能用於多種學科。
領域型工具箱是專業性很強的。如圖像處理工具箱(Image Processing Toolbox)、控制工具箱(Control Toolbox)、信號處理工具箱(Signal Processing Toolbox)等。下面，將MATLAB工具箱內所包含的主要內容做簡要介紹：
1) 圖像處理工具箱(Image Processing Toolbox)。
* 二維濾波器設計和濾波
* 圖像恢復增強
* 色彩、集合及形態操作
* 二維變換
* 圖像分析和統計
可由結構圖直接生成可應用的C語言源代碼。
2)控制系統工具箱(Control System Toolbox)。
魯連續系統設計和離散系統設計
* 狀態空間和傳遞函數
* 模型轉換
* 頻域響應：Bode圖、Nyquist圖、Nichols圖
* 時域響應：沖擊響應、階躍響應、斜波響應等
* 根軌跡、極點配置、LQG
3)財政金融工具箱(FinancialTooLbox)。
* 成本、利潤分析，市場靈敏度分析
* 業務量分析及優化
* 偏差分析
* 資金流量估算
* 財務報表
4)頻率域系統辨識工具箱(Frequency Domain System ldentification Toolbox
* 辨識具有未知延遲的連續和離散系統
* 計算幅值／相位、零點／極點的置信區間
* 設計周期激勵信號、最小峰值、最優能量諾等
5)模糊邏輯工具箱(Fuzzy Logic Toolbox)。
* 友好的交互設計界面
* 自適應神經—模糊學習、聚類以及Sugeno推理
* 支持SIMULINK動態模擬
* 可生成C語言源代碼用於實時應用
(6)高階譜分析工具箱(Higher—Order SpectralAnalysis Toolbox
* 高階譜估計
* 信號中非線性特徵的檢測和刻畫
* 延時估計
* 幅值和相位重構
* 陣列信號處理
* 諧波重構
(7) 通訊工具箱(Communication Toolbox)。
令提供100多個函數和150多個SIMULINK模塊用於通訊系統的模擬和分析
——信號編碼
——調制解調
——濾波器和均衡器設計
——通道模型
——同步
(8)線性矩陣不等式控制工具箱(LMI Control Toolbox)。
* LMI的基本用途
* 基於GUI的LMI編輯器
* LMI問題的有效解法
* LMI問題解決方案
(9)模型預測控制工具箱(ModelPredictive Control Toolbox
* 建模、辨識及驗證
* 支持MISO模型和MIMO模型
* 階躍響應和狀態空間模型
(10)u分析與綜合工具箱(u-Analysis and Synthesis Toolbox)
* u分析與綜合
* H2和H無窮大最優綜合
* 模型降階
* 連續和離散系統
* u分析與綜合理論
(11)神經網路工具箱(Neursl Network Toolbox)。
* BP，Hopfield，Kohonen、自組織、徑向基函數等網路
* 競爭、線性、Sigmoidal等傳遞函數
* 前饋、遞歸等網路結構
* 性能分析及應用
(12)優化工具箱(Optimization Toolbox)。
* 線性規劃和二次規劃
* 求函數的最大值和最小位
* 多目標優化
* 約束條件下的優化
* 非線性方程求解
(13)偏微分方程工具箱(Partial DifferentialEquation Toolbox)。
* 二維偏微分方程的圖形處理
* 幾何表示
* 自適應曲面繪制，
* 有限元方法
(14)魯棒控制工具箱(Robust Control Toolbox)。
* LQG／LTR最優綜合
* H2和H無窮大最優綜合
* 奇異值模型降階
* 譜分解和建模
(15)信號處理工具箱(signal Processing Toolbox)
* 數字和模擬濾波器設計、應用及模擬
* 譜分析和估計
* FFT，DCT等變換
* 參數化模型
(16)樣條工具箱(SPline Toolbox)。
* 分段多項式和B樣條
* 樣條的構造
* 曲線擬合及平滑
* 函數微分、積分
(17)統計工具箱(Statistics Toolbox)。
* 概率分布和隨機數生成
* 多變數分析
* 回歸分析
* 主元分析
* 假設檢驗
(18)符號數學工具箱(Symbolic Math Toolbox)。
* 符號表達式和符號矩陣的創建
* 符號微積分、線性代數、方程求解
* 因式分解、展開和簡化
* 符號函數的二維圖形
* 圖形化函數計算器
(19)系統辨識工具箱(SystEm Identification Toolbox)
* 狀態空間和傳遞函數模型
* 模型驗證
* MA，AR，ARMA等
* 基於模型的信號處理
* 譜分析
(20)小波工具箱(Wavelet Toolbox)。
* 基於小波的分析和綜合
* 圖形界面和命令行介面
* 連續和離散小波變換及小波包
* 一維、二維小波
* 自適應去噪和壓縮
『叄』 如何使用matlab中的工具箱
上面的最優答案廢話有點多，我補充一個簡潔版答案：
一、自帶工具箱：
直接使用。都在toolbox文件夾內，而且默認早已設定完畢。
二、非自帶工具箱：
按照這個步驟：
1）下載並解壓；
2）復制到matlab安裝目錄下的toolbox文件夾內（當然也可以放到別處~）；
3）在matlab的菜單：file-set path中，添加路徑，要求是連同子文件夾一同添加，路徑就是剛才你放置文件夾的地方。設定好了記得save。
4）完畢！
『肆』 matlab bp神經網路工具箱怎麼用
%% 訓練集/測試集產來生
% 訓練源集——用於訓練網路
P_train = ;%輸入集
T_train = ;%輸出集
% 測試集——用於測試或者使用。
P_test = ;%輸入
T_test ;
N = size(P_test,2);
%% BP神經網路創建、訓練及模擬測試
% 創建網路
net = newff(P_train,T_train,9);
% 設置訓練參數
net.trainParam.epochs = 1000;
net.trainParam.goal = 1e-3;
net.trainParam.lr = 0.01;
% 訓練網路
net = train(net,P_train,T_train);
% 模擬測試、使用。
T_test = sim(net,P_test);%得到結果。
『伍』 MATLAB 有哪些好用的第三方工具箱
太多了。matlab工具箱就是省去了matlab編程的過程，他就是把程序轉換成界面，便於初學者的學習，操作。裡面有各種工具箱，比如小波工具箱，神經網路工具箱，粒子演算法優化工具箱，模擬模擬工具箱等等
『陸』 請推薦一款網路模擬軟體，不要思科和華為，可以模擬電腦，路由，交換的
Matlab
MATLAB軟體是由美國Mathworks公司推出的用於數值計算和圖形處理的科學計算系統環境。MATLAB是英文MATrix LABoratory(矩陣實驗室)的縮寫。MATLAB環境下，用戶集成了程序設計、數值計算、圖形繪制、輸入輸出、文件管理等各項功能。 MATLAB提供了一個人機交互的數學系統環境，該系統的基本數據結構是矩陣，在生成矩陳對象時，不要求作明確的維數說明。與利用C語言或FORTRAN語言作數值計算的程序設計相比，利用MATLAB可以節省大量的編程時間。
MTALAB系統由五個主要部分組成：
（1） MATALB語言體系。MATLAB是高層次的矩陣／數組語言。具有條件控制、函數調用、數據結構、輸入輸出、面向對象等程序語言特性。利用它既可以進行小規模端程，完成演算法設計和演算法實驗的基本任務，也可以進行大規模編程，開發復雜的應用程序。
（2） MATLAB工作環境包括管理工作空間中的變數據輸入輸出的方式和方法，以及開發、調試、管理M文件的各種工具。
（3） 圖形圖像系統。這是MATLAB圖形系統的基礎，包括完成2D和3D數據圖示、圖像處理、動畫生成、圖形顯示等功能的高層MATLAB命令，也包括用戶對圖形圖像等對象進行特徵控制的低層MATLAB命令，以及開發GUI應用程序的各種工具。
（4） MATLAB數學函數庫。這是對MATLAB使用的各種數學演算法的總稱。包括各種初等函數的演算法，也包括矩陣運算、矩陣分析等高層次數學演算法等。
（5） MATLAB應用程序介面。這是MATLAB為用戶提供的一個函數庫，使得用戶能夠在MATLAB環境中使用C程序或FORTRAN程序，包括從MATLAB中調用程序(如動態鏈接庫)，讀寫MAT文件的功能。
由此可見，MATLAB是一個功能十分強大的系統，是集數值計算、圖形管理、程序開發為一體的環境。除此之外，MATLAB還具有很強的功能擴展能力，與它的主系統一起，可以配備各種各樣的工具箱，以完成一些特定的任務。
CASSAP
CASSAP是美國Synopsys（新思科技）公司開發了一款模擬軟體，主要應用於數字信號處理和網路通信領域，它可以在概念、體系結構、演算法三個層次上實現模擬。CASSAP採用了數據流驅動模擬器，它比基於時鍾周期的模擬器速度提高了8-16倍。CASSAP提供了1000多個高層模塊，並可對其中所需模塊自動生成行為級或RTL級VHDL，也可生成各種風格的DSP代碼，供DSP處理器作軟體實現。CASSAP可廣泛應用於需分析和評估演算法、實現方式的數字傳輸系統，如通訊、圖像、多媒體等，並提供了針對GSM、CDMA、DECT等標準的專用開發平台。
SPW
SPW模擬軟體是Cadence公司的產品，它提供了面向電子系統的模塊化設計、模擬及實施環境，是進行演算法開發，濾波器設計，C代碼生成，硬/軟體結構聯合設計和硬體綜合的理想環境。SPW的一個顯著特點是他提供了HDS介面和Matlab介面。Matlab裡面的很多模型可以直接調入SPW，然後利用HDS生成C語言模擬代碼或者是HDL語言模擬代碼。SPW通常可以應用於無線和有線載波通信、多媒體和網路設計與分析等領域。
『柒』 數學建模MATLAB工具箱是什麼怎麼用
Matlab工具箱已經成為一個系列產品，Matlab主工具箱和各種工具箱（toolbox ）。
工具箱簡介
1功能型工具箱 —— 通用型
功能型工具箱主要用來擴充Matlab的數值計算、符號運算功能、圖形建模模擬功能、文字處理功能以及與硬體實時交互功能，能夠用於多種學科。
2領域型工具箱 —— 專用型
領域型工具箱是學科專用工具箱，其專業性很強，比如控制系統工具箱（ Control System Toolbox）；信號處理工具箱（Signal Processing Toolbox）；財政金融工具箱（ Financial Toolbox）等等。只適用於本專業。
3
Matlab常用工具箱
Matlab Main Toolbox——matlab主工具箱
Control System Toolbox——控制系統工具箱
Communication Toolbox——通訊工具箱
Financial Toolbox——財政金融工具箱
System Identification Toolbox——系統辨識工具箱
Fuzzy Logic Toolbox——模糊邏輯工具箱
Bioinformatics Toolbox——生物分析工具箱
Image Processing Toolbox——圖象處理工具箱
Database Toolbox——資料庫工具箱
Model predictive Control Toolbox——模型預測控制工具箱
Neural Network Toolbox——神經網路工具箱
Optimization Toolbox——優化工具箱
Partial Differential Toolbox——偏微分方程工具箱
Robust Control Toolbox——魯棒控制工具箱
Signal Processing Toolbox——信號處理工具箱
Spline Toolbox——樣條工具箱
Statistics Toolbox——統計工具箱
Symbolic Math Toolbox——符號數學工具箱
Simulink Toolbox——動態模擬工具箱
Virtual Reality Toolbox——虛擬現實工具箱
Wavelet Toolbox——小波工具箱
等等…….
而且每個新出的版本都在增加、更新完善。
『捌』 急：為什麼matlab神經網路工具箱模擬時顯示too many output arguments
Matlab 提供的預處理方法有歸一化處理(把每組數據都變為- 1～ + 1 之間數) 、標准化處理(把每組數專據都化為均值為0、方差屬為1的一組數據) 和主成分分析(進行正交處理,減少輸入數據的維數)。用prepca 函數對樣本數據進行主元分析,
從而消除樣本數據的冗餘成分,起到數據降維的目的。