神經網路的工具箱怎麼調用

① 如何用c#調用Matlab神經網路的工具箱

把問題描述清楚些,或許能幫助你解決。
具體如下：
1.m文件
function net = TrainNN(input, output)
x = input';
y = output';
net = newrb(x,y);

2.C#調用代碼
MWArray net = cla.TrainNN((MWNumericArray)inputData, (MWNumericArray)outputData);
其中inputData是double[100,2]數組，outputData是double[100,1]數組

3.調用異常
??? Undefined function or method 'newrb' for input arguments of type 'double'.
Error in ==> TrainNN at 5
System.Exception:
... MWMCR::EvaluateFunction error ...
Undefined function or method 'newrb' for input arguments of type 'double'.
Error in =>TrainNN.m at 5.

② 求助神經網路MATLAB程序

你用的工具箱函數了嗎？用工具箱函數可以簡單點，工具箱調用是nntool；在command
windows使用，先用import，將數據分別放入
inputs和targets（導入數據）。然後按NEW
NETWORK選擇結構，選擇Feedforward
Backprop,確定Number
of
Layers（網路層數），在下面確定每層節點數，然後選擇下函數：logsig
,purelin,tansig。最後，關閉此窗口。單擊View，即可顯示結構。
然後按train,在
inputs和targets裡面填入輸入值X和訓練的Y，在training
parameters中設置你要的參數，比如誤差。最後按train就可以開始訓練。完了一定記住按網路模型輸出（Export），將模型轉入command
windows。下面調用：如y1=sim(network1,x0);plot(x,y,'o',x0,y0,y1,':')。
如果你要程序，可以這樣：
function
BP
x=[-1:0.01:1];
y=[-1:0.01:1];
p=[x;y];
T=x.^2+y.^2;
x0=[-1:0.1:1];
y0=[-1:0.1:1];
p0=[x0;y0];
T0=x0.^2+y0.^2;
net=newff(minmax(p),[10,1],{'logsig','purelin'});
net.trainParam.epochs=10000;
net.trainParam.goal=1e-6;
net=train(net,p,T);
figure;
T1=sim(net,p0);
plot(p,T,'o',p0,T0,p0,T1,':');
end

③ bp神經網路 matlab 工具箱怎麼調出來

有神經網路的工具箱，bp是配出來的！

④ matlab VC混合編程調用神經網路工具箱

調用MATLAB Engine雖然可以實現對神經網路工具箱的功能，但是因為這種方法是基於C/S模式的，效率很低，而且需要在matlab下實現其功能，無法脫離matlab直接運行，所以，基於這個原因，我放棄了利用MATLAB Engine來實現混合編程。利用C++數學庫雖然可以脫離MATLAB直接運行，但是C++數學庫並不支持神經網路工具箱，所以，無法實現基於神經網路的混合編程。利用mcc命令雖然可以直接生成.exe文件，並可以脫離MATLAB在VC++中直接運行，但是因為其自身的諸多缺點，這種方法並不能編譯神經網路函數為C++文件，所以，也無法勝任這個任務。 最後，只有COM組件這一個辦法了，由於COM組件技術的強大功能，利用matlab的COM Builder工具可以實現脫離matlab的混合編程，並成功的調用了神經網路工具箱。

⑤ 如何用c#調用Matlab神經網路的工具箱

如果是用Matlab提供的GUI界面，在命令窗口輸入命令nntool回車即可。 建議不要用GUI界面，直接在代碼中調用神經網路工具箱，使用更方便，參數設置更明了。神經網路工具箱提供多個函數介面，不同的神經網路對應不同的函數

⑥ matlab怎麼打開神經網路工具箱

1單擊Apps，在搜索框中輸入neu，下方出現了所有神經網路工具箱。neural net fitting 是我們要使用的神經網路擬合工具箱。
2
在下界面中點擊next
3
單擊load example data set，得到我們需要的測試數據。
4
單擊import
5
單擊next
6
單擊next
7
數字「10」表示有10個隱含層。單擊next。
8
單擊train，開始訓練。
9
訓練過程跳出的小窗口。
10
訓練結果。其中MSE表示均方差，R 表示相關系數。單擊next。
11
這里可以調整神經網路，也可以再次訓練。單擊next。
12
在這里，可以保存結果。如果不需要，直接finish。

⑦ matlab調用神經網路工具箱

你的p1，p2現在是一個9*2的矩陣，要改成五種直接把你的數據輸入，將p1，p2改成9*5的矩陣就可以了，如p1=[1.24 1.27 1.36 1.74 1.38;1.64 1.38 1.82 1.381.90…………];等，你的x也是一樣，改成5列的。

⑧ matlab神經網路工具箱具體怎麼用

為了看懂師兄的文章中使用的方法，研究了一下神經網路
昨天花了一天的時間查怎麼寫程序，但是費了半天勁，不能運行，網路知道里倒是有一個，可以運行的，先貼著做標本

% 生成訓練樣本集
clear all;
clc;
P=[110 0.807 240 0.2 15 1 18 2 1.5;
110 2.865 240 0.1 15 2 12 1 2;
110 2.59 240 0.1 12 4 24 1 1.5;
220 0.6 240 0.3 12 3 18 2 1;
220 3 240 0.3 25 3 21 1 1.5;
110 1.562 240 0.3 15 3 18 1 1.5;
110 0.547 240 0.3 15 1 9 2 1.5];
0 1.318 300 0.1 15 2 18 1 2];
T=[54248 162787 168380 314797;
28614 63958 69637 82898;
86002 402710 644415 328084;
230802 445102 362823 335913;
60257 127892 76753 73541;
34615 93532 80762 110049;
56783 172907 164548 144040];
@907 117437 120368 130179];
m=max(max(P));
n=max(max(T));
P=P'/m;
T=T'/n;
%-------------------------------------------------------------------------%
pr(1:9,1)=0; %輸入矢量的取值范圍矩陣
pr(1:9,2)=1;
bpnet=newff(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm');
%建立BP神經網路， 12個隱層神經元，4個輸出神經元
%tranferFcn屬性 'logsig' 隱層採用Sigmoid傳輸函數
%tranferFcn屬性 'logsig' 輸出層採用Sigmoid傳輸函數
%trainFcn屬性 'traingdx' 自適應調整學習速率附加動量因子梯度下降反向傳播演算法訓練函數
%learn屬性 'learngdm' 附加動量因子的梯度下降學習函數
net.trainParam.epochs=1000;%允許最大訓練步數2000步
net.trainParam.goal=0.001; %訓練目標最小誤差0.001
net.trainParam.show=10; %每間隔100步顯示一次訓練結果
net.trainParam.lr=0.05; %學習速率0.05
bpnet=train(bpnet,P,T);
%-------------------------------------------------------------------------
p=[110 1.318 300 0.1 15 2 18 1 2];
p=p'/m;
r=sim(bpnet,p);
R=r'*n;
display(R);

運行的結果是出現這樣的界面

點擊performance，training state，以及regression分別出現下面的界面

再搜索，發現可以通過神經網路工具箱來創建神經網路，比較友好的GUI界面，在輸入命令裡面輸入nntool，就可以開始了。

點擊import之後就出現下面的具體的設置神經網路參數的對話界面，
這是輸入輸出數據的對話窗

首先是訓練數據的輸入

然後點擊new，創建一個新的神經網路network1，並設置其輸入輸出數據，包括名稱，神經網路的類型以及隱含層的層數和節點數，還有隱含層及輸出層的訓練函數等

點擊view，可以看到這是神經網路的可視化直觀表達

創建好了一個network之後，點擊open，可以看到一個神經網路訓練，優化等的對話框，選擇了輸入輸出數據後，點擊train，神經網路開始訓練，如右下方的圖，可以顯示動態結果

下面三個圖形則是點擊performance，training state以及regression而出現的

下面就是simulate，輸入的數據是用來檢驗這個網路的數據，output改一個名字，這樣就把輸出數據和誤差都存放起來了

在主界面上點擊export就能將得到的out結果輸入到matlab中並查看

下圖就是輸出的兩個outputs結果

還在繼續挖掘，to be continue……

⑨ matlab怎麼打開神經網路工具箱

⑩ 怎麼用遺傳演算法工具箱調用神經網路來尋求最優解啊

把你之前訓練好的網路設置成一個全局變數ann，然後建立一個函數func，在func函數中調用這個訓練好的網路ann獲得輸出。最後，遺傳演算法調用func作為目標函數