A. GA-BP神經網路模型預測的MATLAB程序問題
Matlab神經網路工具箱提供了一系列用於建立和訓練bp神經網路模型的函數命令，很難一時講全。下面僅以一個例子列舉部分函數的部分用法。更多的函數和用法請仔細查閱Neural Network Toolbox的幫助文檔。 例子：利用bp神經網路模型建立z=sin(x+y)的模型並檢驗效果 %第1步。隨機生成200個采樣點用於訓練 x=unifrnd(-5,5,1,200); y=unifrnd(-5,5,1,200); z=sin(x+y); %第2步。建立神經網路模型。其中參數一是輸入數據的范圍，參數二是各層神經元數量，參數三是各層傳遞函數類型。 N=newff([-5 5;-5 5],[5,5,1],{'tansig','tansig','purelin'}); %第3步。訓練。這里用批訓練函數train。也可用adapt函數進行增長訓練。 N=train(N,[x;y],z); %第4步。檢驗訓練成果。 [X,Y]=meshgrid(linspace(-5,5)); Z=sim(N,[X(:),Y(:)]'); figure mesh(X,Y,reshape(Z,100,100)); hold on; plot3(x,y,z,'.')
B. matlab神經網路工具箱訓練完後可以自行預測嘛
這個神經網路就在特定條件下工作的。
C. 請高手指導matlab里的bp神經網路預測問題
net.trainParam.show=10; %每間隔100步顯示一次訓練結果
D. 神經網路 預測問題 matlab工具箱
1 ,BP演算法可以做預測，但是BP演算法較老，現在應用很少了
2 建議用matlab的工具箱 因為你也不專想深入的了解BP網路
3 可能是屬數據歸一問題，也可能是BP網路偶的參數設置問題，BP網路的參數設置對使用人的個人經驗要求很高，
不懂可以留下聯系方式 進一步交流
E. 請問大俠，哪裡能找到在MATLAB環境下使用BP神經網路工具箱函數做預測的視頻
這個很簡單啊，比抄我當初的簡單多了，給你推薦本書《先進PID演算法集MATLAB模擬》，里頭有神經網路的程序，你可以直接編程做，老師一看，會覺得你很nb或者，你去買本介紹MATLAB SIMULINK的書，simulink就是你說得matlab里頭的一個工具箱，通過模塊進行模擬，很強大，但是無論用哪種方法，都要認真看書，好好學，編程這個東西得用時間琢磨的，祝樓主成功！
F. 用matlab編BP神經網路程序預測
有呀，不過不知道你要干什麼。
如果你的matlab版本較高，參看
http://..com/question/1766854136911164980
如果比較低，就看
clear;
clc;
X=-1:0.1:1;
D=[-0.9602 -0.5770 -0.0729 0.3771 0.6405 0.6600 0.4609...
0.1336 -0.2013 -0.4344 -0.5000 -0.3930 -0.1647 -.0988...
0.3072 0.3960 0.3449 0.1816 -0.312 -0.2189 -0.3201];
figure;
plot(X,D,'*'); %繪制原始數據分布圖（附錄：1-1）
net = newff([-1 1],[5 1],{'tansig','purelin'});
%[-1,1]為輸入樣本最小最大值，[5 1]為各層的神經元個數（這里是一個兩層的神經網路）
%{'tansig','purelin'}為各層的神經元傳遞函數
net.trainParam.epochs = 100; %訓練的最大次數
net.trainParam.goal = 0.005; %全局最小誤差
net = train(net,X,D); %開始訓練
O = sim(net,X); %使用訓練的網路
figure;
plot(X,D,'*',X,O); %繪制訓練後得到的結果和誤差曲線（附錄：1-2、1-3）
V = net.iw{1,1}%輸入層到中間層權值
theta1 = net.b{1}%中間層各神經元閾值
W = net.lw{2,1}%中間層到輸出層權值
theta2 = net.b{2}%輸出層各神經元閾值
G. 如何利用matlab進行神經網路預測
matlab 帶有神經網路工來具箱，可直自接調用，建議找本書看看，或者MATLAB論壇找例子。
核心調用語句如下：
%數據輸入
%選連樣本輸入輸出數據歸一化
[inputn,inputps]=mapminmax(input_train);
[outputn,outputps]=mapminmax(output_train);
%% BP網路訓練
% %初始化網路結構
net=newff(inputn,outputn,[8 8]);
net.trainParam.epochs=100;
net.trainParam.lr=0.01;
net.trainParam.goal=0.01;
%網路訓練
net=train(net,inputn,outputn);
%% BP網路預測
%預測數據歸一化
inputn_test=mapminmax('apply',input_test,inputps);
%網路預測輸出
an=sim(net,inputn_test);
%網路輸出反歸一化
BPoutput=mapminmax('reverse',an,outputps);
%% 結果分析
H. matlab中BP神經網路工具箱如何對發動機壽命進行預測
關於神經網路（matlab）歸一化的整理由於採集的各數據單位不一致，因而須對神經網路是以樣本在事件中的統計分別幾率來進行訓練（概率計算）和預測的，,IHBBbz
I. 求一份用BP神經網路進行預測的matlab代碼，自己根據實際問題再套用一下
BP（Back Propagation）神經網路是1986年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆傳播算版法訓練的多層前饋網權絡，是目前應用最廣泛的神經網路模型之一。BP網路能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數學方程。它的學習規則是使用最速下降法，通過反向傳播來不斷調整網路的權值和閾值，使網路的誤差平方和最小。BP神經網路模型拓撲結構包括輸入層（input）、隱層(hidden layer)和輸出層(output layer)。
上傳的m文件里是一個電力系統負荷預測的實例，用的是最簡單的BP演算法，你可以參考。