matlab神经网络工具箱输入_matlab神经网络工具箱具体怎么用

A. 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。

B. 如何使用matlab神经网络工具箱

为了看懂师兄的文章中使用的方法，研究了一下神经网络
昨天花了一天的时间查怎么写程序，但是费了半天劲，不能运行，网络知道里倒是有一个，可以运行的，先贴着做标本

% 生成训练样本集
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; %输入矢量的取值范围矩阵
pr(1:9,2)=1;
bpnet=newff(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm');
%建立BP神经网络， 12个隐层神经元，4个输出神经元
%tranferFcn属性 'logsig' 隐层采用Sigmoid传输函数
%tranferFcn属性 'logsig' 输出层采用Sigmoid传输函数
%trainFcn属性 'traingdx' 自适应调整学习速率附加动量因子梯度下降反向传播算法训练函数
%learn属性 'learngdm' 附加动量因子的梯度下降学习函数
net.trainParam.epochs=1000;%允许最大训练步数2000步
net.trainParam.goal=0.001; %训练目标最小误差0.001
net.trainParam.show=10; %每间隔100步显示一次训练结果
net.trainParam.lr=0.05; %学习速率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);

运行的结果是出现这样的界面

点击performance，training state，以及regression分别出现下面的界面

再搜索，发现可以通过神经网络工具箱来创建神经网络，比较友好的GUI界面，在输入命令里面输入nntool，就可以开始了。

点击import之后就出现下面的具体的设置神经网络参数的对话界面，
这是输入输出数据的对话窗

首先是训练数据的输入

然后点击new，创建一个新的神经网络network1，并设置其输入输出数据，包括名称，神经网络的类型以及隐含层的层数和节点数，还有隐含层及输出层的训练函数等

点击view，可以看到这是神经网络的可视化直观表达

创建好了一个network之后，点击open，可以看到一个神经网络训练，优化等的对话框，选择了输入输出数据后，点击train，神经网络开始训练，如右下方的图，可以显示动态结果

C. matlab神经网络工具箱具体怎么用

D. 用matlab的nntool工具箱训练好的一个BP神经网络，下一步要怎么做才能进行数据输入得到相应的输出结果

a=sim(net,x)
说实话我也菜鸟级别，你看一下最后这个函数能不能用：
其中“a”自己随便可以设的，其实就是个代表返回值
“net”换成你训练好的函数，
“x”换成你的输入矩阵

E. 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。

F. Matlab神经网络工具箱输入问题

线性神经网络的构建： net=newlin(PR,S,ID,LR) PR--Rx2阶矩阵，R个输入元素的最小最大矩阵 S---输出层神经元个数专 ID--输入延迟向量，默属认值为[0] IR--学习率，默认值为0.01 net = newlin([-1 1;-1 1],1); 表示设计的是一个双输入单输出线性神经网络 P = [1 2 2 3; 2 1 3 1];表示输入样本有四个，每一列就是一个输入样本又比如假设我们期望的输出为 T=[1 2 3 4],则一个简单的神经网络如下： >>net = newlin([-1 1;-1 1],1);%创建初始网络 P=[1 2 2 3; 2 1 3 1]%输入 T=[1 2 3 4]%期望的输出 net=newlind(P,T);%用输入和期望训练网络 Y=sim(net,P)%仿真，可以看到仿真结果Y和期望输出T的接近程度 P = 1 2 2 3 2 1 3 1 T = 1 2 3 4 Y...

G. 关于Matlab BP神经网络工具箱nntool的数据输入问题。

这是可以的，但是，要把两组数据合到一个变量中，如：x=[trainx1;trainx2];作为一个输入矩阵。

H. matlab神经网络工具箱中，input中，输入p=[........],p2=[......],p3=[......],.其中p1,p2,p3是阶的矩阵，

阶的矩阵

I. matlab神经网络多输入单输出问题

首先：你的想法（199个数作为输入，1个数作为输出）是没什么问题，但是你的输入矩阵为199*n，你的n=1，表明你的样本只有一个，这样一个孤立的样本作为训练样本没什么意义；

其次：姑且不谈你的样本意义，需要跟你说明的是，matlab神经网络工具箱是以一列为一个样本，而你的B=minmax(input')使得B为1*199的矩阵，显然不对，最好加上B=B'；
最后：[net,tr]=train(net,input,output,[],[]);中的参数为三个也行，改为net=train(net,input,output);
上面所述是按旧版本来的。
下面是我修改的程序，matlab版本R2012b，你的是旧版本的matlab，所以newff用法跟新的略有不同：
clear
p=1:0.05:11-0.05;
t=(p-1).*(p-2).*(p-4).*(p-9).*(p-11);
N=length(p);
input=t(1:199)';
output=t(200);
ptest=t(2:200)';

% B=minmax(input');
net = newff(input,output,[20 6],{'tansig' 'tansig' 'purelin'},'traingdx','learngdm');
[net,tr]=train(net,input ,output);
a=sim(net,ptest');

导航:首页 > 五金知识 > matlab神经网络工具箱输入

matlab神经网络工具箱输入

与matlab神经网络工具箱输入相关的资料