一、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。
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,[8 8]);
net.trainParam.epochs=100;
net.trainParam.lr=0.01;
net.trainParam.goal=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
二、matlab的BP神经网络哦工具箱在哪?
打开matlab 在命令窗口输入nntool 回车
开始菜单里也有
goodluck
三、如何用MATLAB的神经网络工具箱实现三层BP网络
这是一个来自nnetinfo的例子,在matlab2012b运行后的确可以,因为百度知道的文本宽度不够,注释挤到第二行了,有些乱,楼主注意区分哪些是代码哪些是注释, x1 = [-3,-2.7,-2.4,-2.1,-1.8,-1.5,-1.2,-0.9,-0.6,-0.3,0,0.3,0.6,0.9,1.2,1.5,1.8]; %x1：x1 = -3:0.3:2; x2 = [-2,-1.8,-1.6,-1.4,-1.2,-1,-0.8,-0.6,-0.4,-0.2,-2.2204,0.2,0.4,0.6,0.8,1,1.2];%x2：x2 = -2:0.2:1.2; y = [0.6589,0.2206,-0.1635,-0.4712,-0.6858,-0.7975,-0.8040,... -0.7113,-0.5326,-0.2875 ,0,0.3035,0.5966,0.8553,1.0600,1.1975,1.2618]; %y： y = sin(x1)+0.2*x2.*x2; inputData = [x1;x2]; %将x1,x2作为输入数据 outputData = y; %将y作为输出数据 %使用用输入输出数据（inputData、outputData）建立网络， %隐节点个数设为3.其中隐层、输出层的传递函数分别为tansig和purelin，使用trainlm方法训练。 net = newff(inputData,outputData,3,{'tansig','purelin'},'trainlm'); %设置一些常用参数 net.trainparam.goal = 0.0001; %训练目标：均方误差低于0.0001 net.trainparam.show = 400; %每训练400次展示一次结果 net.trainparam.epochs = 15000; %最大训练次数：15000. [net,tr] = train(net,inputData,outputData);%调用matlab神经网络工具箱自带的train函数训练网络 simout = sim(net,inputData); %调用matlab神经网络工具箱自带的sim函数得到网络的预测值 figure; %新建画图窗口窗口 t=1:length(simout); plot(t,y,t,simout,'r')%画图，对比原来的y和网络预测的y
四、matlab bp神经网络工具箱怎么用
%% 训练集/测试集产生
% 训练集——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。