标准3层BP神经网络的结构是什么

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

收敛和迭代算法有关.反向传播算法是定义一个误差er（往往是输出结果与预想结果之间的某个范数）,然后求出满足误差极小的权向量.如果把误差看成一个连续函数（泛函）的话,求对权向量各分量的偏导为0即可,但是

%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

1,BP神经网络的隐层数,各隐层的节点数都是要不断的调节的,不过有一个一般性的范围.隐层节点数L

你说的应该是05版中的概念：1.标准层（也就是PMCAD中的标准层）：结构平面完全一样的楼层,可以只输入一次,在全楼实际模型中组装多次.2.荷载标准层：实际就是楼面恒活荷载值相同的只输入一组,定义完后

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

某层的神经元个数与节点数是一个意思.按你的假设：虽是3层神经网络,但是去叫做两层BP网络,因为输入层一般不算做一层.按你的假设,n就该取2,s1就是隐含层节点数,选取的公式是Hornik提出的公式,可

从原理上来说,神经网络是可以预测未来的点的.实际上,经过训练之后,神经网络就拟合了输入和输出数据之间的函数关系.只要训练的足够好,那么这个拟合的关系就会足够准确,从而能够预测在其他的输入情况下,会有什

你的T 少了一个.

说实话,就这些数据实在太少,预测效果太差,除非你只是想要用一用神经网络,否则建议你换个灰色预测之类的方法再问：嗯，谢谢你的回答，我也想到数据太少所以效果会很差，但是这是一个测试实验，我要写毕业论文，然

假设输入的是5个参数,输出1个参数.神经网络的节点结构为5-N-1（N是中间层节点数,数目根据实验效果确定,可选5~10个）关于输入延迟,不清楚意思.是否可以做这样的数据处理：假设t时间的5个输入数据

P=[];‘输入,开盘价,最高价,最低价,收盘价成交量依次5天的数据’T=[];’输出,即第二日的收盘’net=newff(minmax(P),[7,1],{'tansig','logsig'},'t

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.－－－－－－－－－－－－－－－－－－－－－－－－－

你可以把矩阵按你的规律变形为向量然后当作一个样本网络训练好之后预测的结果按你之前的规律反过来变形应该就可以了神经网络应该也能把握数据的规律要强调一点是单个样本应该只能是向量的形式再问：按我的规律？你指

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

我自己总结的：1、神经网络算法隐含层的选取1.1构造法首先运用三种确定隐含层层数的方法得到三个隐含层层数,找到最小值和最大值,然后从最小值开始逐个验证模型预测误差,直到达到最大值.最后选取模型误差最小

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

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

p和t后面加个‘!你的p和t维数不对,这样输入不对了!

这个包底下怎么做我不太确定,如果你是自己写训练的话,就每更新一步再乘以个矩阵让你想要保持为0的元素为0就行了再问：嗯，谢谢你的帮助！！自己编也行，只是觉得挺麻烦，如果可以利用一些函数或者技巧，会省很多