如果程序语句较少，可以在命令窗口提示后直接输入，回车即可显示结果。如果程序语句较多，可以写成一个m文件。保存并运行后，结果将显示在命令窗口中。如果你想预测趋势，你应该属于后一类。

问

如果不方便加QQ的话可以帮我写一些程序代码吗？我实在不懂计算机的东西，所以很着急。非常感谢。我有14年的数据，每年的数据由5个影响因素组成。预测15 年的数字。谢谢。

跟进

我的QQ号是2674716548，可以发送数据。

P=[];'输入，按顺序开盘价、最高价、最低价、收盘价和5天成交量'T=[];'输出，即第二天收盘价'net=newff (minmax(P) ,[7,1],#39;traingdx#39;); net.trainParam.epochs=1000; '最大训练次数可根据需要调整'net.trainParam.goal=0.01; '错误'net.trainParam .lr=0.01; '学习率'net=train(net,P,T); '训练网络'test=[];'待预测的数据输入'out=sim(net,test); ‘模拟预测’我的这个程序没有初始化，还需要初始化数据才可以计算。

您可以在CNKI上搜索相关论文。让我们来看看。这相当困难，因为光学神经网络很难理解。我认为这是硕士论文难度最低的。如果你能得到代码那就太棒了。

百度告诉你

原始Q I 请求

还附上代码吗？你的t被门卡住了吗？

您应该单击性能按钮来显示误差减少曲线。事实上，没有必要太关注这条曲线，除非你正在研究改进算法以提高收敛速度。一般关注网络的实际训练效果，以及实际应用能力，比如预测能力。 BP（Back Propagation）神经网络是由Rumelhart 和McCelland 领导的科学家团队于1986 年提出的。它是根据误差反向传播算法训练的多层前馈网络。它是目前应用最广泛的神经网络模型之一。 BP网络可以学习并存储大量的输入输出模式映射关系，而无需提前揭示描述这种映射关系的数学方程。其学习规则是采用最速下降法，通过反向传播不断调整网络的权重和阈值，使网络的误差平方和最小。 BP神经网络模型拓扑包括输入层、隐含层和输出层。

更多问题与解答#xe771;

问

请再问一下，因为我用这个来做预测，所以我需要知道预测的误差。我如何知道预测的准确性？谢谢

跟进

预测精度没有直接的图形表示，需要你自己编程。例如，y=sim(net,p_test);error=y-t_test;error 是绝对误差。

问

谢谢

举个例子如下，net=newff(inputn,outputn,[8,4],{#39;tansig#39;#39;purelin#39;},#39;trainscg#39;);%Initialize网络结构%网络参数配置（迭代次数、学习率、目标） net.trainParam.epochs=3000;net.trainParam.lr=0.08;net.trainParam.goal=0.05;net.divideFcn=#39;#39 ;[ net,tr]=train(net,inputn,outputn);%网络训练%网络预测输出an=sim(net,inputn_test);然而，仅仅了解输入预测输出是不够的。它还取决于您的输入数据量。确定隐藏层还需要看数据是否经过归一化处理。我的专业是神经网络预测。可以加QQ一起讨论吗？

最低0.27元成为文库会员即可查看完整内容

原版发布者：不忘初心

寻找一个用matlab编译的BP神经网络预测程序。寻找一个程序P=[. ];输入T=[。 ];Output% 创建一个新的前向神经网络net_1=newff(minmax(P),[10,1],{#39;tansig#39;#39;purelin#39;},#39;traingdm# 39; )%当前输入层权值和阈值inputWeights=net_1.IW{1,1}inputbias=net_1.b{1}%当前网络层权值和阈值layerWeights=net_1.LW{2,1}layerbias=net_1.b {2}%设置训练参数net_1.trainParam.show=50;net_1.trainParam.lr=0.05;net_1.trainParam.mc=0.9;net_1.trainParam.epochs=10000;net_1.trainParam.goal=1e-3 ;%调用TRAINGDM算法训练BP网络[net_1,tr]=train(net_1,P,T);%模拟BP网络A=sim(net_1,P);%计算模拟误差E=T - A; MSE=mse(E)x=[ 。 ]#39;%测试sim(net_1,x)%%%%%%%%%%%%%%%%%%%%%%%%%%%% 不可能啊我2009 #160;28神经网络初学者技巧第二步：掌握以下算法：2。最小均方误差。这个原理就是下面提到的神经网络学习算法的理论核心。初学者首先应阅读《高等数学》（高等教育出版社，同济大学版）第八章第十节：“最小二乘法”。 3、基于步骤2，看Hebb学习算法、SOM和K近邻算法。上述算法都是基于最小均方误差的改进算法。参考书有《神经网络原理》（机械工业出版社，西蒙海金，中英文），《人工神经网络与模拟进化计算》（清华大学出版社，颜平凡，张长水），《模式》

2015年没有数据，如何预测？

不要使用截图，它们不能直接使用，它们应该方便其他人用来编写程序和调试。您可以直接发布数据或发送文件。否则，要求别人一一输入数据可能会花费时间。请加。

请告诉我更多有关所使用的光纤放大器的信息。如果输出亮起，则您认为必须满足程序中的条件。可以用电脑监控是否还有其他情况也会导致输出点开启。

你可以阅读Mastering Matlab Neural Networks这本书，里面有例子和代码。如果您需要，我会将代码发送给您。

问

非常感谢，请把代码发给我看看！

1.样本数据太少，使用BP网络进行预测可能不是一个好的选择。也许使用一般回归分析会更好。 2、预测Y，需要知道2015年的影响因素X1~X7，对吗？ BP神经网络参考程序：datanbsp;=nbsp;[nbsp;17502.1nbsp;nbsp;nbsp;nbsp;2010nbsp;2701.61nbsp;132.74nbsp;1456.64nbsp;1121.64nbsp;839.02nbsp;99.58nbsp;910 0nbsp; 20760.52nbsp;nbsp;nbsp; 2011nbsp;3636.62nbsp;208.22nbsp;2002.1nbsp;1426.29nbsp;1111.12nbsp;123.09nbsp;10086.88nbsp;29286.8nbsp;nbsp;nbsp;nbsp;2012nbsp;4164 .32nbsp;229.05nbsp;2303.9nbsp;1631.37nbsp;1 293.62 176.42nbsp;12005.115nbsp;33720.1nbsp;nbsp;nbsp;nbsp;2013nbsp;4672.91nbsp;247.21nbsp;2583.75nbsp;1841.95nbsp;1480.84nbsp;181.9nbsp; 13136.77nbsp;39131nbsp;nbsp;nbsp;nbsp;2014nbsp; 5 157.97nbsp;257.63nbsp;2872.01nbsp;2028.33nbsp; 1666.75nbsp;200.87nbsp;15110nbsp;42194nbsp;nbsp;nbsp;nbsp;];yearnbsp;=nbsp;数据(:1);pnbsp;=nbsp;数据(:2:8).#39;tnbsp;=nbsp ;数据(:9).#39;netnbsp;=nbsp;newff(p,t,10);netnbsp;=nbsp;train(net,p,t);y1nbsp;=nbsp;sim(net,p (:结束))由于没有2015年的X1~X7数据，所以最后一句用2014年的数据进行测试。 nbsp;如果使用多元线性回归：c=regress(t#39;p#39; )y2=c#39;*p(:end) 由于样本数量太少（少于影响因素的数量），这样的话，回归结果实际上可以几乎没有误差（只有数值误差） ）。当然，预测是否准确则是另一回事。

网络的训练过程和使用过程是两个不同的事情。例如，当BP用于分类时，网络的训练就是给你一些样本，告诉你这些样本属于哪个类别，然后将它们插入到网络中进行训练，使网络具有一定的分类能力。训练完成后，将采取未知类别。数据通过网络进行排序。这里的训练过程是先伪随机生成权重，然后输入样本计算各层的输出，最后计算预测输出（输出层的输出）。这是一个前向学习的过程；最后，通过某种训练算法（最基本的是感知器算法），使成本（预测输出与实际输出之间的某个范数）函数相对于权重最小化。这就是反向传播过程。你提到的那种不需要提前知道样本类别的网络是无监督类型的网络，例如自组织竞争神经网络。

您必须首先准备大量数据，包括：输入变量和输出变量。需要许多团队才能建立准确的模型。你可以尝试用matlab编译一下。我正在学习它。