matlab神经网络工具箱能否导出权重

1. 使用神经网络用matlab进行建模，最后的权重值要输出么，怎么输出得出的模型怎么用来验证和预测

得出的权值要回赋给这个神经网络，权值就好像黑匣子里边的未知的东西，你通过训凯好薯练数据得到最佳权值后把它赋给这个黑匣子，黑匣子就成了已知得了，给它一组输入运行就会有相应的输出y，这个输出是我们盯者预测的，需要跟实际的输出比较得出误差，误差大证明系统模型不好，误差小说明系统模型更接近真实的系统，至于权值怎么赋给模型，网上有代码，粒子群优化bp神经网络，遗传算法优化神经网络的都有，我也是看了一段时间，理解的不深刻，建模主要是通过已知的输入输出数据训练网络的权值和阈值，我现在在学习锅炉系统建模和优化袜物，大家可以一起交流学习qq191991427

2. 怎样在 matlab 看到神经网络的权向量

IW:输入层到隐含层的权重矩阵
LW:隐含层和输出层间的权重矩阵
b:阀值向量
如网络为net,输盯谈入层和输出均为一个接点情况下,则用
net.IW{1,1}可以看到第一个输入接点到销则哗第一隐含层的权重向量；
net.LW{2,1}可以看到隐含层到输出层的权值向量；
net.b{1,1}是隐含层的阀值向量,
net.b{2,1}是亏行输出接点的阀值；

3. 神经网络权值怎么确定

神经网络的权值是通过对网络的训练得到的。如果使用MATLAB的话不要自己设定，newff之后会自动赋值。也可以手动：net.IW{}= ; net.bias{}=。一般来说输入归一化，那么w和b取0-1的随机数就行。神经网络的权值确定的目的是为了让神经网络在训练过程中学习到有用的信息，这意味着参数梯度不应该为0。

参数初始化要满足两个必要条件：

1、各个激活层不会出现饱和现象，比如对于sigmoid激活函数，初始化值不能太大或太小，导致陷入其饱和区。

2、各个激活值不为0，如果激活层输出为零，也就是下一层卷积层的输入为零，所以这个卷积层对权值求偏导为零，从而导致梯度为0。

(3)matlab神经网络工具箱能否导出权重扩展阅读：

神经网络和权值的关系。

在训练智能体执行任务时，会选谨芹键择一个典型的神经网络框架，并相信它有潜力为这个任务编码特定的策略。注意这里只是有潜力，还要学习权重参数，才能将这种潜力变化为能力。

受到自然界早成行为及先天能力的启发，在这项工作中，研究者构建了一个能自然执行给定任务的神经网络。也就是说，找到一个先天的神经网络架构，然后只需要随机初始化的权值就能执行任务。研究者表示，这种不用学习参数的神经网络架构在强化学习与监督学习都有很好的表现。

其实如果想象神经网络架构提供的就是一个圈，那么常规学习权值就祥巧是找到一个最优点（或最优参数解）。但是对于不用学习权重的神经网络，它就相当于引入了一个非常强的归纳偏置，以至于，整个架构偏置到能直接解决某个问题。

但是对于不用学习权重的神经网络，它相首乱当于不停地特化架构，或者说降低模型方差。这样，当架构越来越小而只包含最优解时，随机化的权值也就能解决实际问题了。如研究者那样从小架构到大架构搜索也是可行的，只要架构能正好将最优解包围住就行了。

4. 请问matlab如何输出神经网络的权值

训练好的权值、阈值的输出方法是：
输入脊缺慎到隐层权值： w1=net.iw{1,1}
隐扮知层阈值： theta1=net.b{1}
隐层到输出层权值： w2=net.lw{2,1};
输樱敬出层阈值： theta2=net.b{2}

这是我常逛的论坛，你有兴趣的可以看一下。

5. matlab神经网络求权重

1. 上面写的好像是6个指标

2. 给一个简单的函数拟合代码吧。你不说更多的要求我也不能更细化了。

clearall;closeall;
x=[123456789;123212112;锋前陵...
133455542;211221221;...
11122223悔告1银戚;121221211];
t=[133455542];
net=feedforwardnet(10);%隐层节点数
net=configure(net,x,t);
net.divideParam.trainRatio=0.7;
net.divideParam.valRatio=0.15;
net.divideParam.testRatio=0.15;
net=train(net,x,t);
y2=net(x);
x_axis=1:length(t);
plot(x_axis,t,x_axis,y2)
legendtargetprediction