⑴ 怎么用mtlab优化工具箱求目标函数为BP神经网络训练结果的极值
需要声明全局变量。分别在两段程序的开头加上
globalnet
不然无法在函数中调用net.
如果你要多于一个函数共用一个简单的变量，简单的处理方法就是把这个变量在所有函数中定义为global全局变量。在命令行做同样的事情，如果你要工作空间访问上述变量。这个全局变量的定义必须出现在变量被应用于一个函数之前。虽然不是要求，但全局变量也最好以大写字母开头，这样可以同其他变量区别出来。举个例子，做一个以falling.m命名的M－文件。
function h = falling(t)
global GRAVITY
h = 1/2*GRAVITY*t.^2;
然后交互地输入语句
global GRAVITY
GRAVITY = 32;
y = falling((0:.1:5)');
这两个变量在函数中表示同一个内容。之后你可以交互地修改GRVITY并获得新的解法，而不用再编辑文档。
注意：1 全局变量列表中各个变量名不能用逗号分隔。 如： global a b c
2 全局变量使用前必须再matlab工作空间中申明，如果再具体得函数中用则要在函数前面申明，否则在该函数中即使用到了该变量，也会被当成局部变量使用。
⑵ BP神经网络matlab工具箱中的激励函数（传递函数），训练函数，学习函数
激励函数用于神经元由输入计算输出的，而训练函数和学习函数是基于误差，内来修改权值和阈容值的，再就完成了一次训练，然后继续迭代，知道达到迭代次数或满足精度。
然而，学习函数和训练函数的功能貌似很相近，至于具体区别，正在纠结着我呢
⑶ 用MATLAB中神经网络工具箱固有函数建立的BP网络，训练精度始终达不到，而且误差也大，该如何解决
除了楼上的方法，还可以修改下神经网络的初始权值，这方面的方法很多，可以改变下初始参数的取值范围，或者用遗传算法搜索下。另外，改变神经网络的训练函数是十分有效的，比如trainscg什么的，还有好几个记不得了，自己找找看！
⑷ 如何用MATLAB的神经网络工具箱实现三层BP网络
这是一个来自<神经网络之家>nnetinfo的例子,在matlab2012b运行后的确可以,因为网络知道的文本宽度不够,注释挤到第二行了,有些乱,楼主注意区分哪些是代码哪些是注释,
x1 =
[-3,-2.7,-2.4,-2.1,-1.8,-1.5,-1.2,-0.9,-0.6,-0.3,0,0.3,0.6,0.9,1.2,1.5,1.8]; %x1：x1 = -3:0.3:2;
x2 =
[-2,-1.8,-1.6,-1.4,-1.2,-1,-0.8,-0.6,-0.4,-0.2,-2.2204,0.2,0.4,0.6,0.8,1,1.2];%x2：x2 = -2:0.2:1.2;
y = [0.6589,0.2206,-0.1635,-0.4712,-0.6858,-0.7975,-0.8040,...
-0.7113,-0.5326,-0.2875
,0,0.3035,0.5966,0.8553,1.0600,1.1975,1.2618]; %y：
y = sin(x1)+0.2*x2.*x2;
inputData = [x1;x2]; %将x1,x2作为输入数据
outputData = y; %将y作为输出数据
%使用用输入输出数据（inputData、outputData）建立网络，
%隐节点个数设为3.其中隐层、输出层的传递函数分别为tansig和purelin，使用trainlm方法训练。
net = newff(inputData,outputData,3,{'tansig','purelin'},'trainlm');
%设置一些常用参数
net.trainparam.goal = 0.0001;
%训练目标：均方误差低于0.0001
net.trainparam.show = 400; %每训练400次展示一次结果
net.trainparam.epochs = 15000;
%最大训练次数：15000.
[net,tr] = train(net,inputData,outputData);%调用matlab神经网络工具箱自带的train函数训练网络
simout = sim(net,inputData);
%调用matlab神经网络工具箱自带的sim函数得到网络的预测值
figure; %新建画图窗口窗口
t=1:length(simout);
plot(t,y,t,simout,'r')%画图，对比原来的y和网络预测的y
⑸ BP神经网络中的训练函数如何选取
神经网络不同的网络有这不同的训练函数，BP神经网络有两种训练函数，trainbp（），利用BP算法训练前向神经网络。trainbpx（），利用快速BP算法训练前向神经网络，即采用了动量或自适应学习，可减少训练时间，tansig函数是神经元的传递函数，与训练函数无关，在trainbp（）函数中含有要训练神经元的函数。
⑹ 你好 我在做BP神经网络的一个课程设计 想请教你一些问题
Matlab 中有的神经网络BP的工具箱的，就一个函数，你只要设置一下参数，像阀值等、初始权值。
⑺ 请大师指点：BP网络工具箱中的newff（）中的参数如何设置
分类: 电脑/网络 >> 互联网
问题描述:
threshold=[0 1;0 1;0 1;0 1]';
=newff(threshold,[9,4],{'tansig','logsig'},'trainlm');
.trainParam.epochs=500;
.trainParam.goal=0.01;
LP.lr=0.1;
=train(,P,T);
P_test=[0.3277 0.4745 1.0000 0.2854];
out=sim(,P_test);
M=[0.1709 0.4114 0.7783 0.3101];
plot(1:4,M-out)
上面第二行的newff(threshold,[9,4],{'tansig','logsig'},'trainlm')
中[9，4]这两个数据是怎么确定的？？
还有学习速度LP.lr=0.1这个参数是如何选择的？
恳请大师指点一二，感激不尽~！
解析:
threshold是一个限定BP网络输出的范围
在它规定的范围内为有效(当无效值太多的时候会early stop)
[9,4]代表输入输出的神经元数目
学习速度关系到误差梯度的调整,由于误差梯度是由误差对权值的求导得出的,我们加上一个学习速度的系数可以加快或减慢权值调整的速度.一般在0.1~0.8之间.当然也可以用可变学习速率的训练函数进行,这样学习速率可以在开始的时候大一些,而后减小,优化学习过程.
⑻ matlabBP神经网络工具箱，可以调整隐含层节点数嘛
Matlab神经网络工具箱几乎包含了现有神经网络的最新成果，神经网络工具箱模型包括感知回器、线性网络、答BP网络、径向基函数网络、竞争型神经网络、自组织网络和学习向量量化网络、反馈网络BP神经网络具有很强的映射能力，主要用于模式识别分类、函数逼近、函数压缩等。下面通过实例来说明BP网络在函数逼近方面的应用需要逼近的函数是f(x)=1+sin(k*pi/2*x),其中，选择k=2进行仿真，设置隐藏层神经元数目为n,n可以改变，便于后面观察隐藏层节点与函数逼近能力的关系。
⑼ bp神经网络 matlab 工具箱怎么调出来
有神经网络的工具箱，bp是配出来的！
⑽ matlab中bp神经网络的工具箱怎么用，不要matlab程序，就工具箱怎么实现问题的解决
matlab中神经网络的工具箱：输入nntool，就会弹出一个对话框，然后你就可以根据弹出框的指示来操作。