神经网络有什么用

神经网络有很多种.有BP,SOM,ART1,ART2等等.有有师教导如BP,有无师教导如SOM,ART1,ART2.你说的竞争层属于无师教导.基本上是经过向量的运算后取欧氏距离然后处理,一个是线性的一

针对你前两个问题:在系统建模、辨识和预测中,对于线性系统,在频域,传递函数矩阵可以很好地表达系统的黑箱式输入输出模型；在时域,Box-Jenkins方法、回归分析方法、ARMA模型等,通过各种参数估计

newff中的【8,3】指的是隐层、输出层神经元数,不用指出输入层神经元个数,你建立【8,3】是建立了一个8-8-3的网络.数据o的一个维是一个样本的话,输入神经网络的数据应该转置下变成列向量,即以列

应该没有太大的关系吧,我对遗传算法了解一点,遗传算法主要用来优化神经网络第一次运行时所用的连接权值,因为随机的连接权值往往不能对针对的问题有比较好的收敛效果（Matlab神经网络工具箱自动生成的初始权

激励函数用于神经元由输入计算输出的,而训练函数和学习函数是基于误差,来修改权值和阈值的,再就完成了一次训练,然后继续迭代,知道达到迭代次数或满足精度.然而,学习函数和训练函数的功能貌似很相近,至于具体

毕业论文在做神经网络,已经到后期了可是还是搞不懂这两个的具体区别有同学从理论上讲,RBF网络和BP网络一样可近似任何的连续非线形函数,两者的主要

人工神经网络突出的优点(1)可以充分逼近任意复杂的非线性关系；(2)所有定量或定性的信息都等势分布贮存于网络内的各神经元,故有很强的鲁棒性和容错性；(3)采用并行分布处理方法,使得快速进行大量运算成为

我建议你不要用Matlab提供的可视化工具,直接用代码编写.这个提示是指你引用的位置超出了维数,记住样本是以列为单位的,而不是行.给你传一个BP神经网络的训练代码,供参考.还是去图书馆借本教材看看吧.

输入层,输出层,隐含层输入训练函数和测试函数,隐含层设置训练规则和权值还有阈值,输出训练结果和测试结果,找本书看看推荐matlab30个神经网络案例分析,上面讲解很好,还有例程

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

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.

去“pudn”下载两段代码,看看便懂再问：网站不错，可是还要上传和审核，我就想麻烦了，你能给下载一份不？？再答：给个邮箱，还有就是，你最好弄几段代码传一下，方便自己以后从上面下载，其实很普通的代码传几

神经网络的设计要用到遗传算法,遗传算法在神经网络中的应用主要反映在3个方面：网络的学习,网络的结构设计,网络的分析.1．遗传算法在网络学习中的应用在神经网络中,遗传算法可用于网络的学习.这时,它在两个

时间序列模型是指采用某种算法（可以是神经网络、ARMA等）模拟历史数据,找出其中的变化规律,神经网络模型是一种算法,可以用于分类、聚类、预测等等不用领域；两者一个是问题模型,一个是算法模型

/>newff中的指的是隐层、输出层神经元数,不用指出输入层神经元个数,你建立是建立了一个8-8-3的网络.数据o的一个维是一个样本的话,输入神经网络的数据应该转置下变成列向量,即以列为一个样本.

1、引入动量项2、变尺度法3、变步长法具体怎么做,网上都有相关资料,公式比较难打,只能写到这个份

clear;%用bp网络,首先对数据分组：%假设从当年起后3年的需水量和前十年有关.即第十一,十二,十三年的需水量由第一年到第十年确定,第十二,十三,十四年的需水量由第二年到第十一年确定...%则：输

输出向量与输入向量对应,输出向量不一定是目标向量,目标向量是一个理想的输出.比如说输出[1,0],目标向量就是输出[1,0],而你的输出向量可能是[0.999,0]

神经网络的作用：（未尽之言参照百度百科）{模拟人类实际神经网络的数学方法问世以来,人们已慢慢习惯了把这种人工神经网络直接称为神经网络.神经网络在系统辨识．模式识别,智能控制等领域有着广泛而吸引人的前景

神经网络利用现有的数据找出输入与输出之间得权值关系（近似）,然后利用这样的权值关系进行仿真,例如输入一组数据仿真出输出结果,当然你的输入要和训练时采用的数据集在一个范畴之内.例如预报天气：温度湿度气压