matlab怎么利用神经网络做预测

谷歌人工智能写作项目：小发猫

如何利用matlab进行神经网络预测

matlab带有神经网络工具箱，可直接调用，建议找本书看看，或者MATLAB论坛找例子常见的神经网络结构。

核心调用语句如下：%数据输入%选连样本输入输出数据归一化[inputn,inputps]=mapminmax(input_train);[outputn,outputps]=mapminmax(output_train);%%BP网络训练%%初始化网络结构net=newff(inputn,outputn,[88]);net.trainParam.epochs=100;=0.01;=0.01;%网络训练net=train(net,inputn,outputn);%%BP网络预测%预测数据归一化inputn_test=mapminmax('apply',input_test,inputps);%网络预测输出an=sim(net,inputn_test);%网络输出反归一化BPoutput=mapminmax('reverse',an,outputps);%%结果分析。

为什么matlab的BP神经网络曲线拟合的时候没问题，预测的时候误差这么大

这是神经网络特性导致的，与matlab没关系。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。

用MATLAB神经网络进行函数拟合后，拟合的函数表达式有吗？

。

神经网络一般是没有表达式的哈，但是只要你的参数每次都给的一样，在多次运行后它的多次结果会有一定的相似，这就是我们可以用它做拟合后的预测的原理，因为神经网络一般每次初始值都是随机值，所以结果也会有区别的。

在表达拟合函数的时候，我们只要要列出它的参数取值及拟合模型即可，例如BP中的losig模型，隐层神经元个数，下降速率采用的方法traindx,学习速率0.05，训练最小误差0.001等等。

MATLAB进行人工神经网络拟合求助 140

。

tic;%计时开始clc;%清屏clearall;%清除所有变量disp('输入层神经元个数：3');%显示输入层神经元个数input=3;disp('中间层神经元个数：3');%显示中间层神经元个数middle=3;disp('输出层神经元个数：1');%显示输出层神经元个数output=1;disp('输入模式123及其对应的输出：');x1=[7.13.22.5];x2=[7.03.42.9];x3=[6.93.63.1];x4=[6.83.82.6];x5=[7.24.02.2];y1=78;y2=65;y3=78;y4=69;y5=72;disp('形成一张供调用的向量表：');X=[x1;x2;x3;x4;x5];%x1,x2,x3,x4,x5向量表X=X/10;Yo=[y1;y2;y3;y4;y5];%y1,y2,y3,y4,y5向量表Yo=Yo/100;disp('初始化连接权矩阵：');w=zeros(input,middle);%输入层与中间层的连接权v=zeros(middle,output);%中间层与输出层的连接权th1=zeros(1,middle);%中间层的阈值th2=zeros(1,output);%输出层的阈值out_middle=zeros(1,middle);%中间层的实际输出out_output=zeros(1,output);%输出层的实际输出delta_output=zeros(1,output);%输出层的差值delta_middle=zeros(1,middle);%中间层的差值disp('显示初始化连接权矩阵w：');w=rands(input,middle);%初始化连接权矩阵w(i,j)disp(w);%显示初始化连接权矩阵w(i,j)disp('显示初始化连接权矩阵v：');v=rand(middle,output);%初始化连接权矩阵v(j,t)disp(v);%显示初始化连接权矩阵v(j,t)disp('中间层阈值矩阵th1：');th1=rand(1,middle);%初始化中间层阈值矩阵th1disp(th1);%显示中间层阈值矩阵th1disp('中间层阈值矩阵th2：');th2=rand(1,output);%初始化输出层阈值矩阵th2disp(th2);%显示中间层阈值矩阵th2sample_bumbers=5;%样本数max_times=10000;%最大训练次数times=0;%训练次数eta=0.1;%学习系数etagamma=0.1;%学习系数gammasample_pointer=0;%样本数指针error=0.02;%误差error_max=0.01;%最大误差fortimes=1:max_times%beginforExternalLoopiferror>error_maxforsample_pointer=1:sample_bumbersX0=X(sample_pointer,:);Y0=Yo(sample_pointer,:);Y=X0*w;%计算中间层的输出：Y=Y-th1;forj=1:middleout_middle(j)=1/(1+exp(-Y(j)));end%计算输出层输出：Y=out_middle*v;Y=Y-th2;fork=1:output%k=1:3out_output(k)=1/(1+exp(-Y(k)));enderror=(Y0(k)-out_output(k))*(Y0(k)-out_output(k))/2;%计算输出层校正误差delta_output：fork=1:output%k=1:3delta_output(k)=(Y(k)-out_output(k))*out_output(k)*(1-out_output(k));end%计算中间层校正误差delta_middle：fork=1:output%k=1:3xy=delta_output*v';delta_middle=xy*out_middle'*(1-out_middle);end%计算下一次的中间层和输出层之间的连接权v(j,k)，阈值th2(k)fork=1:output;forj=1:middlev(j,k)=v(j,k)+eta*delta_output(k)*out_middle(j);endth2(k)=th2(k)+eta*delta_output(k);end%计算下一次的输入层和中间层之间的连接权w(i,j)，阈值th1(j)forj=1:middle;fori=1:inputw(i,j)=w(i,j)+gamma*X0(i)*delta_middle(j);endth1(j)=th1(j)+gamma*delta_middle(j);endend%endforifelsebreak;end%endforelseend%endforExternalLoopdisp('显示结果：');disp('训练次数times:');disp(times);disp('输出权值w');disp(w);disp('输出权值v');disp(v);disp('全局误差error:');disp(error);disp('运行结束了！

');toc;%计时结束，并输出程序的运行时间输出结果为：输入层神经元个数：3中间层神经元个数：3输出层神经元个数：1输入模式123及其对应的输出：形成一张供调用的向量表：初始化连接权矩阵：显示初始化连接权矩阵w：0.5695-0.6483-0.6946-0.05730.4435-0.3178-0.9285-0.05300.2148显示初始化连接权矩阵v：0.19170.73840.2428中间层阈值矩阵th1：0.91740.26910.7655中间层阈值矩阵th2：0.1887显示结果：训练次数times:6输出权值w0.5376-0.6779-0.7311-0.07360.4283-0.3365-0.9406-0.06430.2009输出权值v0.13280.67080.2027全局误差error:0.0097运行结束了！

Elapsedtimeis0.263732seconds.。

matlab 神经网络

。

net=newff(pr,[3,2],{'logsig','logsig'});%创建一个bp神经网络=10;%显示训练迭代过程=0.05;%学习速率0,05=1e-10;%训练精度net.trainParam.epochs=50000;%最大训练次数net=train(net,p,goal);%训练结果要么接近于1，要么就是0，就这俩类啊，这就是分类结果；每次都有些差异很正常，只要不大。

求一个bp神经网络预测模型的MATLAB程序

BP神经网络预测的步骤:1、输入和输出数据。2、创建网络。fitnet（）3、划分训练，测试和验证数据的比例。

net.divideParam.trainRatio； net.divideParam.valRatio；net.divideParam.testRatio4、训练网络。

train（）5、根据图表判断拟合好坏。ploterrcorr（）；parcorr（）；plotresponse（）6、预测往后数据。net（）7、画出预测图。

plot（）执行下列命令BP_prediction得到结果：[2016,14749.呵呵6798210144042969][2017,15092.847215188667178153991699219][2018,15382.150005970150232315063476562][2019, 15398.85769711434841156005859375][2020,15491.935150090605020523071289062]。

matlab神经网络预测程序一点点小问题

。

net_1是已经训练好的网络（用的是1988-2003的数据）从题目知道网络的输入-输出数据是这样产生的输入P对应输出T1988-2002--->20031989-2003--->20041990-2004--->2005…………1994-2008--->2009以上构成了1994-1988+1＝7组输入输出对。

利用P/T进行训练，训练成功（一般还要设一个确认集进行泛化能力的检测，光是训练误差小是不行的）后。sim(net_1,x)这是对网络进行仿真。

在这个仿真函数中，给一个输入，（类似训练时用的输入P,列数可以不同，但行数必须一样），网络就给出你想要的输出。而这个x就是你最后要进行的预测的输入。

由于你预测的是2010年的值，那么输入就是为1995-2009,这样“按道理”，网络就给出了2010年的值明白没？

matlab程序 BP神经网络预测 程序如下：

P=[。。。];输入T=[。。。

];输出%创建一个新的前向神经网络net_1=newff(minmax(P),[10,1],,'traingdm')%当前输入层权值和阈值inputbias=net_1.b%当前网络层权值和阈值layerbias=net_1.b应该没问题吧。

用Matlab编程BP神经网络进行预测

原理就是：建立网络-数据归一化-训练-预测-数据反归一化。附件是电力负荷预测的例子，可以参考。

BP（BackPropagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。

BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。

BP神经网络模型拓扑结构包括输入层（input）、隐层(hiddenlayer)和输出层(outputlayer)。

matlab神经网络预测模型,matlab人工神经网络预测相关推荐

  1. 说明人工神经网络的原理,人工神经网络结构图

    深度学习中什么是人工神经网络? . 人工神经网络(ArtificialNeuralNetwork,即ANN)是从信息处理角度对人脑神经元网络进行抽象,是20世纪80年代以来人工智能领域兴起的研究热点, ...

  2. bp神经网络预测模型优点,bp神经网络缺点及克服

    BP神经网络的核心问题是什么?其优缺点有哪些? 人工神经网络,是一种旨在模仿人脑结构及其功能的信息处理系统,就是使用人工神经网络方法实现模式识别.可处理一些环境信息十分复杂,背景知识不清楚,推理规则不 ...

  3. bp神经网络预测模型实例,BP神经网络预测模型

    如何建立bp神经网络预测 模型 建立BP神经网络预测 模型,可按下列步骤进行:1.提供原始数据2.训练数据预测数据提取及归一化3.BP网络训练4.BP网络预测5.结果分析现用一个实际的例子,来预测20 ...

  4. 神经网络图像识别技术,人工神经网络图像识别

    识别花卉植物的软件有哪些? 拍照识别植物app:形色.拍花识照.花伴侣.花帮主.发现识花. 1.形色形色app是一款生活服务应用,是一款可轻松识别植物的手机软件,可以随时随地,拍照上传植物图片,形色可 ...

  5. 人工神经网络文献综述,人工神经网络参考文献

    人工神经网络的论文 神经网络的是我的毕业论文的一部分4．人工神经网络人的思维有逻辑性和直观性两种不同的基本方式. 逻辑性的思维是指根据逻辑规则进行推理的过程:它先将信息化成概念,并用符号表示,然后,根 ...

  6. 关于人工神经网络的论文,人工神经网络参考文献

    文献综述怎么写呀? 文献综述的写法如下:(1)先介绍该领域的研究意义.(2)再写该领域的研究背景和发展脉络.(3)之后写目前的研究水平.存在问题及可能的原因.(4)然后写进一步的研究课题.发展方向概况 ...

  7. 人工神经网络英文简称,人工神经网络 英文

    安恩的简介(少一点) . 球员:安恩生日:1986年12月29日身高:188cm体重:90kg球衣号码:1国籍:英格兰效力球队:林肯城场上位置:守门前度效力球队:维尔港曾经效力球队:维尔港安恩是ANN ...

  8. 人工神经网络的发展前景,人工神经网络及其应用

    人工神经网络是哪一年由谁提出来的 人工神经网络是1943年,心理学家W.S.McCulloch和数理逻辑学家W.Pitts提出来. 他们通过MP模型提出了神经元的形式化数学描述和网络结构方法,证明了单 ...

  9. 人工神经网络设计选择题,人工神经网络设计原则

    人工神经网络是哪一年由谁提出来的 人工神经网络是1943年,心理学家W.S.McCulloch和数理逻辑学家W.Pitts提出来. 他们通过MP模型提出了神经元的形式化数学描述和网络结构方法,证明了单 ...

  10. bp神经网络预测模型原理,BP神经网络预测模型

    深度学习与神经网络有什么区别 深度学习与神经网络关系2017-01-10最近开始学习深度学习,基本上都是zouxy09博主的文章,写的蛮好,很全面,也会根据自己的思路,做下删减,细化. 五.DeepL ...

最新文章

  1. Swift中@IBDesignable/@IBInspectable的使用
  2. Lync 小技巧-47-错误-44009-引起-证书-规划-Lync与UM
  3. PC端连接Android设备进行adb调试
  4. 使用Spring Boot Actuator监视Java应用程序
  5. 【常见笔试面试算法题12】动态规划算法案例分析
  6. CentOS7种搭建FTP服务器 1
  7. 在dom最前面插入_JavaScript中的DOM
  8. android studio annotations,AndroidStudio 添加AndroidAnnotations -电脑资料
  9. 共享您的数据！…从SharePoint加载SQL数据
  10. 计算机二级office试题27答案,2017年12月计算机二级MS Office习题答案(一)
  11. 背景图片自适应大小(css3)
  12. 资产管理系统可行性分析报告
  13. 难以置信：某国产平台制定打包deb规范，竟然没有测试
  14. messagedigest 图片加密_MessageDigest对密码进行加密
  15. 使用Excel办公，你必须学会的文件加密、单元格锁定、复制可见单元格
  16. SketchUp2019下载SU2019下载安装教程SketchUp草图大师2019下载安装详细教程
  17. halcon 20.11.02 深度学习语义分割例程报错
  18. HEU The message
  19. jmeter设置永久中文和解决查看结果树响应中文乱码问题
  20. 智能风控平台核心之风控决策引擎（一）

热门文章

  1. 如何通过excel表格批量生成word文档？
  2. html班级管理模板,班级管理建议书模板参考
  3. HaaS EDU K1设备资源总体介绍
  4. 显式积分，隐式积分和弹簧质点系统（详细公式推导和太极源码）
  5. 【干货分享】用AI工具设计一款吸引人的字体效果
  6. 西瓜创客的python_西瓜创客Python客户端
  7. 分布式数据库核心原理
  8. 主管都在用项目管理Excel表格模板管理项目
  9. jsp与jspx文件
  10. 最小二乘支持向量机预测matlab实现,最小二乘支持向量机MATLAB程序，可分多类