%%這裡構建的網路實際就是建立x到y的對映函式
a=[1:1:10]; %輸入矩陣其實就是x
t=[1:1:5 6:-1:2]; %期望矩陣就是y
plot(a,t);
net=newff(minmax(a),[5,1],,'trainlm'); %設定網路相關引數
net.trainparam.goal=0.001;
net.trainparam.epochs=20;
ticnet=train(net,a,t); %使用已知的資料和期望值訓練net網路
tochold on;
y=sim(net,a); %**我們的資料
plot(a,y);
out=sim(net,7.5) %計算我們想要**的值
不知道我這樣理解對不對，因為沒有太多的學習。
BP神經網路快速理解
理解bp神經網路，這裡不討論那些複雜的生物學和神經科學。其實很簡單，從下面三個例子裡面可以了解。比如你是乙個備考高三數學的學生。你本身就會2 2 4，你把這個訓練一萬遍有用麼？沒用。你要做的就是找到自己不行的地方，找到自己的漏洞，有針對性的去突破和訓練。這就是用誤差來學習。人類的過程也是一樣的。學習...
BP神經網路的基本理解
誤差反向傳播 error back propagation,bp 演算法 1 bp演算法的基本思想是，學習過程由訊號的正向傳播與誤差的反向傳播兩個過程組成。1 正向傳播 輸入樣本 輸入層 各隱層 處理 輸出層 注1 若輸出層實際輸出與期望輸出 教師訊號 不符，則轉入2 誤差反向傳播過程 2 誤差反向...
BP神經網路
基本bp神經網路演算法包括 訊號的前向傳播 誤差的反向傳播 也即計算實際輸出時按照輸入到輸出的方向進行，權值閾值調整則相反。bp是一種多層前饋神經網路，由輸入層 隱含層和輸出層組成。層與層之間有兩種訊號在流動 一種是從輸入流向輸出的工作訊號，是輸入和權值的函式 另一種是輸入流向輸出的訊號，即誤差。隱...