『壹』 1.如何用MATLAB神经网络工具箱创建BP神经网络模型具体有哪些步骤请高手举实例详细解释下 2.如何把输
%人脸识别模型，脸部模型自己找吧。
function mytest()
clc;
images=[ ];
M_train=3;%表示人脸
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'); %读取图像，连接字符串形成图像的文件名。
img= imread(str);
[rows cols]= size(img);%获得图像的行和列值。
img_edge=edge(img,'Sobel');
%由于在分割图片中我们可以看到这个人脸的眼睛部分也就是位于分割后的第二行中，位置变化比较大，而且眼睛边缘检测效果很好
sub_rows=floor(rows/6);%最接近的最小整数,分成6行
sub_cols=floor(cols/8);%最接近的最小整数，分成8列
sample_num=M_train*N_train;%前5个是第一幅人脸的5个角度
sample_number=sample_number+1;
for subblock_i=1:8 %因为这还在i，j的循环中，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
%将特征值转换为小于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 为目标矢量
t=zeros(3,sample_number);
%因为有五类，所以至少用3个数表示，5介于2的2次方和2的3次方之间
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——生成一个新的前向神经网络
% TRAIN——对 BP 神经网络进行训练
% SIM——对 BP 神经网络进行仿真
% 定义训练样本
% P 为输入矢量
P=pixel_value'
% T 为目标矢量
T=t
size(P)
size(T)
% size(P)
% size(T)
% 创建一个新的前向神经网络
net_1=newff(minmax(P),[10,3],{'tansig','purelin'},'traingdm')
% 当前输入层权值和阈值
inputWeights=net_1.IW{1,1}
inputbias=net_1.b{1}
% 当前网络层权值和阈值
layerWeights=net_1.LW{2,1}
layerbias=net_1.b{2}
% 设置训练参数
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;
% 调用 TRAINGDM 算法训练 BP 网络
[net_1,tr]=train(net_1,P,T);
% 对 BP 网络进行仿真
A = sim(net_1,P);
% 计算仿真误差
E = T - A;
MSE=mse(E)
x=[0.14 0 1 1 0 1 1 1.2]';
sim(net_1,x)
『贰』 MATLAB里的Toolboxes怎么使用急求高手指点！！！
MATLAB工具箱介绍
有三十多个工具箱大致可分为两类:功能型工具箱和领域型工具箱。
功能型工具箱主要用来扩充MATLAB的符号计算功能、图形建模仿真功能、文字处理功能以及与硬件实时交互功能，能用于多种学科。
领域型工具箱是专业性很强的。如图像处理工具箱(Image Processing Toolbox)、控制工具箱(Control Toolbox)、信号处理工具箱(Signal Processing Toolbox)等。下面，将MATLAB工具箱内所包含的主要内容做简要介绍：
1) 图像处理工具箱(Image Processing Toolbox)。
* 二维滤波器设计和滤波
* 图像恢复增强
* 色彩、集合及形态操作
* 二维变换
* 图像分析和统计
可由结构图直接生成可应用的C语言源代码。
2)控制系统工具箱(Control System Toolbox)。
鲁连续系统设计和离散系统设计
* 状态空间和传递函数
* 模型转换
* 频域响应：Bode图、Nyquist图、Nichols图
* 时域响应：冲击响应、阶跃响应、斜波响应等
* 根轨迹、极点配置、LQG
3)财政金融工具箱(FinancialTooLbox)。
* 成本、利润分析，市场灵敏度分析
* 业务量分析及优化
* 偏差分析
* 资金流量估算
* 财务报表
4)频率域系统辨识工具箱(Frequency Domain System ldentification Toolbox
* 辨识具有未知延迟的连续和离散系统
* 计算幅值／相位、零点／极点的置信区间
* 设计周期激励信号、最小峰值、最优能量诺等
5)模糊逻辑工具箱(Fuzzy Logic Toolbox)。
* 友好的交互设计界面
* 自适应神经—模糊学习、聚类以及Sugeno推理
* 支持SIMULINK动态仿真
* 可生成C语言源代码用于实时应用
(6)高阶谱分析工具箱(Higher—Order SpectralAnalysis Toolbox
* 高阶谱估计
* 信号中非线性特征的检测和刻画
* 延时估计
* 幅值和相位重构
* 阵列信号处理
* 谐波重构
(7) 通讯工具箱(Communication Toolbox)。
令提供100多个函数和150多个SIMULINK模块用于通讯系统的仿真和分析
——信号编码
——调制解调
——滤波器和均衡器设计
——通道模型
——同步
(8)线性矩阵不等式控制工具箱(LMI Control Toolbox)。
* LMI的基本用途
* 基于GUI的LMI编辑器
* LMI问题的有效解法
* LMI问题解决方案
(9)模型预测控制工具箱(ModelPredictive Control Toolbox
* 建模、辨识及验证
* 支持MISO模型和MIMO模型
* 阶跃响应和状态空间模型
(10)u分析与综合工具箱(u-Analysis and Synthesis Toolbox)
* u分析与综合
* H2和H无穷大最优综合
* 模型降阶
* 连续和离散系统
* u分析与综合理论
(11)神经网络工具箱(Neursl Network Toolbox)。
* BP，Hopfield，Kohonen、自组织、径向基函数等网络
* 竞争、线性、Sigmoidal等传递函数
* 前馈、递归等网络结构
* 性能分析及应用
(12)优化工具箱(Optimization Toolbox)。
* 线性规划和二次规划
* 求函数的最大值和最小位
* 多目标优化
* 约束条件下的优化
* 非线性方程求解
(13)偏微分方程工具箱(Partial DifferentialEquation Toolbox)。
* 二维偏微分方程的图形处理
* 几何表示
* 自适应曲面绘制，
* 有限元方法
(14)鲁棒控制工具箱(Robust Control Toolbox)。
* LQG／LTR最优综合
* H2和H无穷大最优综合
* 奇异值模型降阶
* 谱分解和建模
(15)信号处理工具箱(signal Processing Toolbox)
* 数字和模拟滤波器设计、应用及仿真
* 谱分析和估计
* FFT，DCT等变换
* 参数化模型
(16)样条工具箱(SPline Toolbox)。
* 分段多项式和B样条
* 样条的构造
* 曲线拟合及平滑
* 函数微分、积分
(17)统计工具箱(Statistics Toolbox)。
* 概率分布和随机数生成
* 多变量分析
* 回归分析
* 主元分析
* 假设检验
(18)符号数学工具箱(Symbolic Math Toolbox)。
* 符号表达式和符号矩阵的创建
* 符号微积分、线性代数、方程求解
* 因式分解、展开和简化
* 符号函数的二维图形
* 图形化函数计算器
(19)系统辨识工具箱(SystEm Identification Toolbox)
* 状态空间和传递函数模型
* 模型验证
* MA，AR，ARMA等
* 基于模型的信号处理
* 谱分析
(20)小波工具箱(Wavelet Toolbox)。
* 基于小波的分析和综合
* 图形界面和命令行接口
* 连续和离散小波变换及小波包
* 一维、二维小波
* 自适应去噪和压缩
『叁』 如何使用matlab中的工具箱
上面的最优答案废话有点多，我补充一个简洁版答案：
一、自带工具箱：
直接使用。都在toolbox文件夹内，而且默认早已设定完毕。
二、非自带工具箱：
按照这个步骤：
1）下载并解压；
2）复制到matlab安装目录下的toolbox文件夹内（当然也可以放到别处~）；
3）在matlab的菜单：file-set path中，添加路径，要求是连同子文件夹一同添加，路径就是刚才你放置文件夹的地方。设定好了记得save。
4）完毕！
『肆』 matlab bp神经网络工具箱怎么用
%% 训练集/测试集产来生
% 训练源集——用于训练网络
P_train = ;%输入集
T_train = ;%输出集
% 测试集——用于测试或者使用。
P_test = ;%输入
T_test ;
N = size(P_test,2);
%% BP神经网络创建、训练及仿真测试
% 创建网络
net = newff(P_train,T_train,9);
% 设置训练参数
net.trainParam.epochs = 1000;
net.trainParam.goal = 1e-3;
net.trainParam.lr = 0.01;
% 训练网络
net = train(net,P_train,T_train);
% 仿真测试、使用。
T_test = sim(net,P_test);%得到结果。
『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编程的过程，他就是把程序转换成界面，便于初学者的学习，操作。里面有各种工具箱，比如小波工具箱，神经网络工具箱，粒子算法优化工具箱，仿真模拟工具箱等等
『陆』 请推荐一款网络仿真软件，不要思科和华为，可以模拟电脑，路由，交换的
Matlab
MATLAB软件是由美国Mathworks公司推出的用于数值计算和图形处理的科学计算系统环境。MATLAB是英文MATrix LABoratory(矩阵实验室)的缩写。MATLAB环境下，用户集成了程序设计、数值计算、图形绘制、输入输出、文件管理等各项功能。 MATLAB提供了一个人机交互的数学系统环境，该系统的基本数据结构是矩阵，在生成矩陈对象时，不要求作明确的维数说明。与利用C语言或FORTRAN语言作数值计算的程序设计相比，利用MATLAB可以节省大量的编程时间。
MTALAB系统由五个主要部分组成：
（1） MATALB语言体系。MATLAB是高层次的矩阵／数组语言。具有条件控制、函数调用、数据结构、输入输出、面向对象等程序语言特性。利用它既可以进行小规模端程，完成算法设计和算法实验的基本任务，也可以进行大规模编程，开发复杂的应用程序。
（2） MATLAB工作环境包括管理工作空间中的变量据输入输出的方式和方法，以及开发、调试、管理M文件的各种工具。
（3） 图形图像系统。这是MATLAB图形系统的基础，包括完成2D和3D数据图示、图像处理、动画生成、图形显示等功能的高层MATLAB命令，也包括用户对图形图像等对象进行特征控制的低层MATLAB命令，以及开发GUI应用程序的各种工具。
（4） MATLAB数学函数库。这是对MATLAB使用的各种数学算法的总称。包括各种初等函数的算法，也包括矩阵运算、矩阵分析等高层次数学算法等。
（5） MATLAB应用程序接口。这是MATLAB为用户提供的一个函数库，使得用户能够在MATLAB环境中使用C程序或FORTRAN程序，包括从MATLAB中调用程序(如动态链接库)，读写MAT文件的功能。
由此可见，MATLAB是一个功能十分强大的系统，是集数值计算、图形管理、程序开发为一体的环境。除此之外，MATLAB还具有很强的功能扩展能力，与它的主系统一起，可以配备各种各样的工具箱，以完成一些特定的任务。
CASSAP
CASSAP是美国Synopsys（新思科技）公司开发了一款仿真软件，主要应用于数字信号处理和网络通信领域，它可以在概念、体系结构、算法三个层次上实现仿真。CASSAP采用了数据流驱动仿真器，它比基于时钟周期的仿真器速度提高了8-16倍。CASSAP提供了1000多个高层模块，并可对其中所需模块自动生成行为级或RTL级VHDL，也可生成各种风格的DSP代码，供DSP处理器作软件实现。CASSAP可广泛应用于需分析和评估算法、实现方式的数字传输系统，如通讯、图像、多媒体等，并提供了针对GSM、CDMA、DECT等标准的专用开发平台。
SPW
SPW仿真软件是Cadence公司的产品，它提供了面向电子系统的模块化设计、仿真及实施环境，是进行算法开发，滤波器设计，C代码生成，硬/软件结构联合设计和硬件综合的理想环境。SPW的一个显著特点是他提供了HDS接口和Matlab接口。Matlab里面的很多模型可以直接调入SPW，然后利用HDS生成C语言仿真代码或者是HDL语言仿真代码。SPW通常可以应用于无线和有线载波通信、多媒体和网络设计与分析等领域。
『柒』 数学建模MATLAB工具箱是什么怎么用
Matlab工具箱已经成为一个系列产品，Matlab主工具箱和各种工具箱（toolbox ）。
工具箱简介
1功能型工具箱 —— 通用型
功能型工具箱主要用来扩充Matlab的数值计算、符号运算功能、图形建模仿真功能、文字处理功能以及与硬件实时交互功能，能够用于多种学科。
2领域型工具箱 —— 专用型
领域型工具箱是学科专用工具箱，其专业性很强，比如控制系统工具箱（ Control System Toolbox）；信号处理工具箱（Signal Processing Toolbox）；财政金融工具箱（ Financial Toolbox）等等。只适用于本专业。
3
Matlab常用工具箱
Matlab Main Toolbox——matlab主工具箱
Control System Toolbox——控制系统工具箱
Communication Toolbox——通讯工具箱
Financial Toolbox——财政金融工具箱
System Identification Toolbox——系统辨识工具箱
Fuzzy Logic Toolbox——模糊逻辑工具箱
Bioinformatics Toolbox——生物分析工具箱
Image Processing Toolbox——图象处理工具箱
Database Toolbox——数据库工具箱
Model predictive Control Toolbox——模型预测控制工具箱
Neural Network Toolbox——神经网络工具箱
Optimization Toolbox——优化工具箱
Partial Differential Toolbox——偏微分方程工具箱
Robust Control Toolbox——鲁棒控制工具箱
Signal Processing Toolbox——信号处理工具箱
Spline Toolbox——样条工具箱
Statistics Toolbox——统计工具箱
Symbolic Math Toolbox——符号数学工具箱
Simulink Toolbox——动态仿真工具箱
Virtual Reality Toolbox——虚拟现实工具箱
Wavelet Toolbox——小波工具箱
等等…….
而且每个新出的版本都在增加、更新完善。
『捌』 急：为什么matlab神经网络工具箱仿真时显示too many output arguments
Matlab 提供的预处理方法有归一化处理(把每组数据都变为- 1～ + 1 之间数) 、标准化处理(把每组数专据都化为均值为0、方差属为1的一组数据) 和主成分分析(进行正交处理,减少输入数据的维数)。用prepca 函数对样本数据进行主元分析,
从而消除样本数据的冗余成分,起到数据降维的目的。