matlab神经网络原理与实例精解

Ⅰ MATLAB神经网络30个案例分析的介绍

《MATLAB神经网络30个案例分析》是史峰、王小川、郁磊、李洋编著的一本图书。该书是MATLAB中文论坛神经网络版块数千个帖子的总结，充分强调“案例实用性、程序可模仿性”。所有案例均来自于论坛会员的切身需求，保证每一个案例都与实际课题相结合。

Ⅱ bp神经网络matlab工具箱建模结果

你用的是matlab的神抄经网络袭工具箱吧。那是因为权值和阈值每次都是随机初始化的，所以结果就会不一样，
你可以把随机种子固定，即在代码前面加上setdemorandstream(pi); 这样每次训练出来的结果都是一样的了。

看来楼主是刚开始学习神经网络的，推荐一些资料给楼主：
神经网络之家 （专讲神经网络的网站，有视频下载）

matlab中文论坛的神经网络专区
数学中国的神经网络专区

较好的书：
MATLAB神经网络原理与实例精解

Ⅲ BP神经网络每次训练结果不一样，怎么回事

你用的是matlab的神经网络工具箱吧。那是因为权值和阈值每次都是随内机初始化的，所容以结果就会不一样，
你可以把随机种子固定，即在代码前面加上setdemorandstream(pi); 这样每次训练出来的结果都是一样的了。

看来楼主是刚开始学习神经网络的，推荐一些资料给楼主：
神经网络之家 （专讲神经网络的网站，有视频下载）

matlab中文论坛的神经网络专区
数学中国的神经网络专区

较好的书：
MATLAB神经网络原理与实例精解
神经网络30个案例分析

都是干货，其他的就不说了，祝楼主学习愉快。

Ⅳ Matlab神经网络原理中可以用于寻找最优解的算法有哪些

若果对你有帮助，请点赞。
神经网络的结构（例如输入3隐节点1输出）建好后，一般就要求神经网络里的权值和阈值。现在一般求解权值和阈值，都是采用梯度下降之类的搜索算法（梯度下降法、牛顿法、列文伯格-马跨特法、狗腿法等等），这些算法会先初始化一个解，在这个解的基础上，确定一个搜索方向和一个移动步长（各种法算确定方向和步长的方法不同，也就使各种算法适用于解决不同的问题），使初始解根据这个方向和步长移动后，能使目标函数的输出（在神经网络中就是预测误差）下降。 然后将它更新为新的解，再继续寻找下一步的移动方向的步长，这样不断的迭代下去，目标函数（神经网络中的预测误差）也不断下降，最终就能找到一个解，使得目标函数（预测误差）比较小。
而在寻解过程中，步长太大，就会搜索得不仔细，可能跨过了优秀的解，而步长太小，又会使寻解过程进行得太慢。因此，步长设置适当非常重要。
学习率对原步长（在梯度下降法中就是梯度的长度）作调整，如果学习率lr = 0.1,那么梯度下降法中每次调整的步长就是0.1*梯度，
而在matlab神经网络工具箱里的lr,代表的是初始学习率。因为matlab工具箱为了在寻解不同阶段更智能的选择合适的步长，使用的是可变学习率，它会根据上一次解的调整对目标函数带来的效果来对学习率作调整，再根据学习率决定步长。
机制如下：
if newE2/E2 > maxE_inc %若果误差上升大于阈值
lr = lr * lr_dec; %则降低学习率
else
if newE2 < E2 %若果误差减少
lr = lr * lr_inc;%则增加学习率
end
详细的可以看《神经网络之家》nnetinfo里的《[重要]写自己的BP神经网络(traingd)》一文，里面是matlab神经网络工具箱梯度下降法的简化代码

Ⅳ matlab神经网络30个案例分析适合初学者吗

嗯，挺不错的， 不过现在已经有《matlab神经网络43个案例分析》了，是30个案例的升级版 。
它是matkabsky论坛出版的，还版有个matlab中文论坛出版的，《MATLAB神经网络原理与实例精解（附光盘）》也是挺不错的。。 这两本里面都有比较多的干货。

另外《神权经网络之家》网，nnetinfo也推荐你去看看，上面也有些视频可以下载。

Ⅵ 求matlab神经网络43个案例的电子书

新版的43案例抄的，网上袭没有电子版，只用30个案例的pdf扫描。

人工神经网络（Artificial Neural Network，即ANN ），是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象， 建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。