训练好的BP神经网络怎么求输入层神经元到输出层神经元权值

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

有些资料上说,遗传算法优化BP神经网络权阈值的适应度评价函数是：单次输出T这里的实际输出指神经网络计算值,理论输出表示期望输出值.这个平方和值应该

你这相当于软测量建模,你说的Targe是matlab神经网络工具箱中的吧?我也做了一个神经网络仿真,没有用那个工具箱,直接编的程,我的是二个输入四个输出,其实很简单,一看就懂,想要把qq邮箱给我,我发

我现在也是学习神经网络仿真的,我想你推荐一下找一本中文版的“MATLAB神经网络应用设计”这本书很全面

%由于数据比较大,我又懒得用归一化,所以直接把数据降了3个数量级,%不过我觉得应该没问题,但用归一化结果应该更准确些.%由于初始权值和阀值均是随机给的,所以每次仿真都有点点不同,这是正常的.p=[11

你的程序训练完毕后根本就没达到目标误差,就是说训练效果不好,不能进行预测,只有训练结果好了才能预测仿真,你再改一下隐含层神经元数或者训练和传递函数试试吧~另外输入层的值可以归一化也可以不归一化,归一化

友情提醒百度知道上面的专家是很少的,大部分都是想赚赚积分闲人.以后有比较专业或者难一点的问题最好上专业的论坛上去问,百度知道只能算一个值得一试的补充.－－－－－－－－－－－－－－－－－－－－－－－－－

一般用trainlm,超大规模的用trainscg、traingdm.trainbr用的少.具体数学原理看书去吧.

这个很难通俗易懂,毕竟N多数学公式.找本书,详细了解下比较好.最好是能有详细的数学推导过程的,可以加深理解.

训练集样本的不同肯定会影响到权值的变化.你要训练的数据就是你希望一个系统输入一些数据时能固定得到的那些数据,训练集要是随即那就没意义了,神经网络权值初始值是可以随即的,但随着训练继续,权值将趋于稳定,

这得看你用的什么激活函数,一般用sigmoid函数,不过情况是一样的.用权值乘以输入值,然后带入激活函数,这就是隐层的输出,再与隐层到输出层的权值相乘求和,这就是最后的输出.不过建议你看看关于神经网络

最佳隐含层节点数为输入层节点数、输出层节点数之积开平方,若输入层为22,输出为1,那么隐含层个数大概为5

这四个都属于人工智能算法的范畴.其中BP算法、BP神经网络和神经网络属于神经网络这个大类.遗传算法为进化算法这个大类.神经网络模拟人类大脑神经计算过程,可以实现高度非线性的预测和计算,主要用于非线性拟

首先,求出实际输出和期望输出之差,然后再求这个差的均方值,输出层各单元的一般化误差定义为这个均方值对输出层输入的负偏导数.不知道我这样的表述是否清楚?本想给你看一下具体的公式,但是这里好像不支持公式编

不解释

net1=newff(minmax(pX),[16,1],{'tansig','purelin'},'trainlm'); 这个是激活函数的语

训练好后用“save网络名”保存好网络,保存好的网络下次还可以用.用net.iw{1,1}net.lw{2,1}net.b{1}net.b{2}分别来查看网络的权值和阈值.再问：能麻烦你给我写个实例程

你训练就是为了得到权值啊!ijklijkl第i个神经元到第j个神经元的权值格式再问：每次训练权值都会变怎么办，还有权值怎么保存和下次使用？

net=init(net);不用这一句,把‘logsig‘改成“tansig”,第一个,同样,把第二个改成’purelin‘建议你把’trainrp‘改成’trainlm“,试试!再问：只要10次就达

可以使用MATLAB,里面有现成的神经网络工具箱,用来建立BP网络是很简单和方便的.