请教BP神经网络，给定权值阈值，输出不正确问题
1、首先需要了解BP神经网络是一种多层前馈网络。
2、以看一下在matlab中BP神经网络的训练函数，有梯度下降法traingd,弹性梯度下降法trainrp，自适应lr梯度下降法traingda等。
3、在matlab中命令行窗口中定义输入P，输出T，·通过“newff(minmax(P),[5,1]构建BP神经网络，“[net,tr]=train(net,P,T);”进行网络训练，“sim(net,P)”得到仿真预测值。
4、在命令行窗口按回车键之后，可以看到出现结果弹窗，最上面的Neural Network下面依次代表的是“输入、隐含层、输出层、输出”，隐含层中有5个神经元。
5、Progress下面的Epoch代表迭代次数，Gradient代表梯度，Vaildation Checks代表有效性检查，最后的绿色对勾代表性能目标达成。
6、最后将实际曲线和预测曲线绘制出来，可以看到使用BP神经网络预测的结果曲线基本和实际输出曲线一致。
权值开始是自己给的，也可以是随机生成，因为后面他会根据实际输出与要求输出是否相符自动修改权值，阈值则要看要求了，一般也是自己给的，就值大小问题
楼主你好，purelin是线性函数，问题是在阈值的加入，若是你不加入阈值，你试下结果！BP神经网络matlab编程问题,给出11个输入数据和2个输出数据,进行训练...
给你一个我的程序，如果自己做不了可以联系我：1526208341 动量梯度下降算法训练 BP 网络 训练样本定义如下：输入矢量为 p =[-1 -2 3 1 -1 1 5 -3]目标矢量为 t = [-1 -1 1 1]close all clear echo on clc NEWFF——生成一个新的前向神经网络 TRAIN——对 BP 神经网络进行训练...
BP神经算法是什么?能给点既通俗易懂又比较详细的回答吗
没有采用误差反馈原理，因此用此法训练出来的神经网络结果与传统算法是等效的。其基本思想是：由所给的输入、输出模式对通过作用于神经网络来建立线性方程组，运用高斯消元法解线性方程组来求得未知权值，而未采用传统BP网络的非线性函数误差反馈寻优的思想。 2．2 改进算法的具体步骤 对给定的样本模式对...
bp是什么网络?
因此二者并不矛盾，只是我没有理解其精髓而已。随便提一下BP网络的强大威力：1）任何的布尔函数都可以由两层单元的网络准确表示，但是所需的隐藏层神经元的数量随网络输入数量呈指数级增长；2）任意连续函数都可由一个两层的网络以任意精度逼近。这里的两层网络是指隐藏层使用sigmoid单元、输出层使用非...
BP神经网络的工作原理
现以人工神经网络对手写“A”、“B”两个字母的识别为例进行说明，规定当“A”输入网络时，应该输出“1”，而当输入为“B”时，输出为“0”。所以网络学习的准则应该是：如果网络作出错误的的判决，则通过网络的学习，应使得网络减少下次犯同样错误的可能性。首先，给网络的各连接权值赋予(0，1)区间...
CPN+神经网络与BP+网络有何联系和不同?
CPN+神经网络和BP神经网络都属于监督学习的神经网络模型，但是它们在网络结构、训练方法以及适用领域方面有所不同。首先讲一下CPN+神经网络。CPN+（Competitive learning networks with a product unit）神经网络是一种竞争式学习的神经网络模型，其特殊的网络结构包括一个输入层、输出层和一个隐层，其中输出...
bp代表什么呀
直到误差反向传播算法(BP算法)的提出,成功地解决了求解非线性连续函数的多层前馈神经网络权重调整问题。 BP (Back Propagation)神经网络,即误差反传误差反向传播算法的学习过程,由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息,并传递给中间层各神经元;中间层是内部信息处理层...
神经网络本身实质就是一个多元函数,为什么训练神经网络不直接用梯度法...
前馈多层单输出神经网络总可以写成一个多元函数的形式,从而可以直接构造这个函数的误差函数,对误差函数中每个权求偏导数获得梯度后就可以直接用梯度下降法,一次就可以更新所有的权,为什么偏要用BP算法来一层层的来更新权?如果是多输出的神经网络,同样可以把多个输出转化成一个误差函数,也同样可以直接用梯度法一次性更新...
BP神经网络的训练组训练是把所有的数据一起计算然后求它们的误差和吗...
不是，BP神经网络与传统机器学习的一个不同点就是BP网络是分批（batch）把数据喂给模型，分批次求误差和进行反向传播。传统机器学习如贝叶斯，svm都是把数据一次性喂给模型，进行求解。但当数据量太大时，时间和空间（内存）都不太允许。而BP网络通过将数据分批传给模型天然的就避免了这个问题。同时分...
BP神经网络
我不是大神。但可以给给意见。1，遗传算法不能改变BP神经网络准确率低的本质问题的。只能在一定程度上优化BP神经网络。2，你的数据是怎么增加的？由原来的80组数据基础上随意组合的？还有你的输出结果是3个等级。期望输出是什么类型？预测输出是什么类型？你判断正确率的标准是什么？这些都会对正确率有...
神经元网络概述
前向传播如同信息的接力，从输入层逐层传递至输出层。训练过程则是一场精密的调试，首先确定网络结构，接着通过前向传播计算模型的预测，然后是参数调整，如学习率的设置和优化算法的选择，如梯度下降法，目标是通过反向传播来最小化误差。BP神经网络，作为前馈网络的代表，包含输入、隐藏和输出层，如...
郝尹丽诺： 根据误差梯度下降法来调节各层的权值和阈值,使修改后的网络的最终输出能接近期望值. Tk为预期输出,Ok为实际输出;使下面的式子最小: 得出各层权值阈值修正公式:徐文力_新浪博客:误差反向(BP)神经网络算法及其演示
陵川县19553949985： 有懂BP神经网络的吗?怎么确定BP的权值和阈值？
郝尹丽诺： 权值开始是自己给的,也可以是随机生成,因为后面他会根据实际输出与要求输出是否相符自动修改权值,阈值则要看要求了,一般也是自己给的,就值大小问题
陵川县19553949985： BP神经网络如何设置初始权值？
郝尹丽诺： 1、如果使用MATLAB的话不要自己设定,newff之后会自动赋值 也可以手动:net.IW{}= ; net.bias{}= 2、一般来说输入归一化,那么w和b取0-1的随机数就行
陵川县19553949985： 在三层bp神经网络中,如果知道输入层的值和各个神经元的权值,怎么求输出层的值? - ？
郝尹丽诺： 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的书,在百度直接搜神经网络就有很多这方面的课件或者书,看看就明白了.
陵川县19553949985： BP神经网络中,如何设定神经元的初始连接权重以及阀值? - ？
郝尹丽诺： 初始连接权重关系到网络训练速度的快慢以及收敛速率,在基本的神经网络中,这个权重是随机设定的.在网络训练的过程中沿着误差减小的方向不断进行调整.针对这个权重的随机性不确定的缺点,有人提出了用遗传算法初始化BP的初始权重和阈值的想法,提出了遗传神经网络模型,并且有人预言下一代的神经网络将会是遗传神经网络.希望对你有所帮助.你可以查看这方面的文献
陵川县19553949985： BP神经网络如何设置初始权值 - ？
郝尹丽诺： 初始权值、阈值的确定是靠经验的. 一般修改神经网络,不改阈值,改动其中间层神经元、转移函数、特征向量等.
陵川县19553949985： BP神经网络中为什么设置阈值? - ？
郝尹丽诺： 在BP神经网络中,阈值也是一个变化值. 权值是层与层神经元之间的,阈值是神经元内的. 同权值类似,都需要设定初始值. 通过训练网络,对权重和阈值进行修正都,最终达到局部最优.
陵川县19553949985： BP神经网络连接权值如何确定 - ？
郝尹丽诺： 确认方法:统计学认为,在统计中计算平均数等指标时,对各个变量值具有权衡轻重作用的数值就称为权数. 例子:求下列数串的平均数 3、4、3、3、3、2、4、4、3、3、 一般求法为(3+4+3+3+3+2+4+4+3+3)/10=3.2 加权求法为(6*3+...
陵川县19553949985： 谁知道BP神经网络训练完后,怎么求出权值?? - ？
郝尹丽诺： 训练好后用“save 网络名”保存好网络,保存好的网络下次还可以用.用net.iw{1,1} net.lw{2,1} net.b{1} net.b{2}分别来查看网络的权值和阈值.希望对你有用~~
陵川县19553949985： 优化初始权值及阈值为什么可以提高bp神经网络识别率 - ？
郝尹丽诺： bp的学习过程就是不断的网络训练工程,而训练的就是利用权值和阈值的激活函数计算输出的.权值与输入相乘,经过激活函数计算出的值与阈值比较,达到阈值的可输出,不满足的则返回继续训练.因此可以提高识别率.
