matlab神经网络算法

简述信息一览：

• 1、自己用matlab实现的BP神经网络算法,无法得到预期的效果,主要是误差太...
• 2、matlab的遗传算法优化BP神经网络
• 3、如何看MATLAB运行神经网络的结果
• 4、matlab工具箱中的神经网络和遗传算法要怎么调用?
• 5、在MATLAB中用神经网络算法求解无约束最优化问题
• 6、请问matlab中RBF神经网络newrbe函数用的什么算法

自己用matlab实现的BP神经网络算法,无法得到预期的效果,主要是误差太...

误差大，第一步需要尝试的是做归一化处理。有线性归一化，有对数函数归一化等等，这个你可以去网上搜索数据归一化方法，有相关的代码，应该。

一方面，如果你的网络层选的神经元的个数和层数不合适，就会导致这种结果；另一方面，如果你的训练样本选择的不合适，或者数据表达的太快，也会导致这种问题。前一个方面根据经验，后一个可以做成神经元的参数可调的。

看看是不是训练效果好，预测效果不好。如果是这样那就是过拟合。网上搜搜有很多解决过拟合的方法。如果训练和预测都不好，那就是模型有问题。可能原因是 （1）数据量太小。（2）输入和输出数据之间相关性小。

net=newff（minmax（x），[3，1]，{tansig，purelin}，trainlm）；%创建神经网络 把purelin改为logsig或tansig试试。

matlab的遗传算法优化BP神经网络

1、a）初始化：设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P（0）。b）个体评价：计算群体P（t）中各个个体的适应度。c）选择运算：将选择算子作用于群体。

2、输入到隐层权值： w1=net.iw 隐层阈值： theta1=net.b 隐层到输出层权值： w2=net.lw；输出层阈值： theta2=net.b 谢谢，请***纳。门雨告诉您。

3、首先***用遗传算法来优化BP神经网络的权值和阈值，然后将这些优化值赋给网络得到优化的BP神经网络，最后用MATLAB仿真平台，对非线性函数的逼近拟合和极值寻优问题进行实验。

如何看MATLAB运行神经网络的结果

如何看MATLAB运行神经网络的结果 从图中Neural Network可以看出，你的网络结构是两个隐含层，2-3-1-1结构的网络，算法是traindm，显示出来的误差变化为均方误差值mse。经过482次迭代循环完成训练，耗时5秒。

单击Apps，在搜索框中输入neu，下方出现了所有神经网络工具箱。neural net fitting 是我们要使用的神经网络拟合工具箱。2 在下界面中点击next 3 单击load example data set，得到我们需要的测试数据。

打开matlab，通过导入数据，输入“输入数据”（input），以及“输出数据”（output），可以看到工作区已经出现了两个数据。

我用神经网络举例。第一步需要先整理出输入变量和输出变量，第二步设计并初始化神经网络，第三部训练，第四部获得结果。如果你想结合这两者，就会更加复杂，详细的你可以再问。我曾经做过用遗传算法优化神经网络的工具。

单击View，即可显示结构。然后按train，在 inputs和targets里面填入输入值X和训练的Y，在training parameters中设置你要的参数，比如误差。最后按train就可以开始训练。

一列代表一个样本。其他版本的不知道 2，matlab中神经网络工具箱就已经很方便了，调用函数和修改参数就可以用了。3，net_trainParam.lr代表学习速率，net_trainParam.mc则是动量系数。至于参数的确定，要看具体情况。

matlab工具箱中的神经网络和遗传算法要怎么调用?

1、打开MATLAB软件。设置一个m文件，用于计算个体的适应度函数输出值一个适应度，输入是要优化的参数。输入“gatool”指令打开工具箱。如图所示，打开的ga工具箱界面。

2、步骤：未经遗传算法优化的BP神经网络建模 随机生成2000组两维随机数（x1，x2），并计算对应的输出y=x1^2+x2^2，前1500组数据作为训练数据input_train，后500组数据作为测试数据input_test。

3、你最好能提供具体的二元函数表达式，这样就可以有目的去帮你解决。一般遗传算法可以用ga（）函数来求解。

4、遗传算法的基本运算过程如下：a）初始化：设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P（0）。b）个体评价：计算群体P（t）中各个个体的适应度。c）选择运算：将选择算子作用于群体。

在MATLAB中用神经网络算法求解无约束最优化问题

1、此题的问题描如下图。由于本经验主要是谈非线性约束下的最优化问题，对于其他线性约束就不再考虑。然后启动matlab。新建一个函数文件，用来写目标函数。

2、也就使各种算法适用于解决不同的问题），使初始解根据这个方向和步长移动后，能使目标函数的输出（在神经网络中就是预测误差）下降。

3、用matlab求解无约束非线性问题，可以用fminunc（）函数来求解。

4、该极小值约束优化问题可以用fmincon（）优化函数来解决。

5、-inf表示。如果某个变量无下界，则用-inf表示；如果某个变量无上界，则用inf表示，若决策变量无下界，则lb用[]代替；若决策变量无上界，则ub用[]代替。

请问matlab中RBF神经网络newrbe函数用的什么算法

1、newrbe（P，T）；%生成神经网络 其算法是：生成的网络有2层，第一层是radbas神经元，用dist计算加权输入，用netprod计算网络输入，第二层是purelin神经元，用 dotprod计算加权输入，用netsum计算网络输入。两层都有偏差b。

2、newrbe（）函数：和newrb（）功能差不多，用于创建一个精确地神经网络，能够基于设计向量快速的无误差的设计一个径向基网络。该函数在创建RBF网络的时候，自动选择隐含层数目，隐藏层的数目等于样本输入向量的数目，使得误差为0。

3、用RBF网络一般预测效果较好，由于其为局部逼近网络，速度也极快。假如是在Matlab中，可以使用newrbe函数建立无误差的精确RBF网络（即隐层节点数等于样本数量），或者用广义网络newgrnn。据实际使用效果来看，GRNN的预测效果更佳。

4、该网络的输出是什么？RBF神经网络的建立和训练主要有以下几种形式：net=newrbe（P，T，spread）newrbe（）函数可以快速设计一个径向基函数网络，且是的设计误差为0。

5、newrb（）可以用来设计一个近似径向基网络，用newrb（）创建RBF网络是一个不断尝试的过程，在创建过程中，需要不断增加中间神经元的个数，直到网络的输出误差满足预先设定的值为止。

6、如你所说的，newgrnn是广义rbf，而广义rbf是不需要train的，所以怎么会有误差曲线了？P = [1 2 3]；T = [0 1 9]；net = newgrnn（P，T）；这个表示这个网络已经固定了。

关于matlab神经网络算法，以及matlab神经网络教程的相关信息分享结束，感谢你的耐心阅读，希望对你有所帮助。