matlab神經網路原理與實例精解

Ⅰ MATLAB神經網路30個案例分析的介紹

《MATLAB神經網路30個案例分析》是史峰、王小川、郁磊、李洋編著的一本圖書。該書是MATLAB中文論壇神經網路版塊數千個帖子的總結，充分強調「案例實用性、程序可模仿性」。所有案例均來自於論壇會員的切身需求，保證每一個案例都與實際課題相結合。

Ⅱ bp神經網路matlab工具箱建模結果

你用的是matlab的神抄經網路襲工具箱吧。那是因為權值和閾值每次都是隨機初始化的，所以結果就會不一樣，
你可以把隨機種子固定，即在代碼前面加上setdemorandstream(pi); 這樣每次訓練出來的結果都是一樣的了。

看來樓主是剛開始學習神經網路的，推薦一些資料給樓主：
神經網路之家 （專講神經網路的網站，有視頻下載）

matlab中文論壇的神經網路專區
數學中國的神經網路專區

較好的書：
MATLAB神經網路原理與實例精解

Ⅲ BP神經網路每次訓練結果不一樣，怎麼回事

你用的是matlab的神經網路工具箱吧。那是因為權值和閾值每次都是隨內機初始化的，所容以結果就會不一樣，
你可以把隨機種子固定，即在代碼前面加上setdemorandstream(pi); 這樣每次訓練出來的結果都是一樣的了。

看來樓主是剛開始學習神經網路的，推薦一些資料給樓主：
神經網路之家 （專講神經網路的網站，有視頻下載）

matlab中文論壇的神經網路專區
數學中國的神經網路專區

較好的書：
MATLAB神經網路原理與實例精解
神經網路30個案例分析

都是干貨，其他的就不說了，祝樓主學習愉快。

Ⅳ Matlab神經網路原理中可以用於尋找最優解的演算法有哪些

若果對你有幫助，請點贊。
神經網路的結構（例如輸入3隱節點1輸出）建好後，一般就要求神經網路里的權值和閾值。現在一般求解權值和閾值，都是採用梯度下降之類的搜索演算法（梯度下降法、牛頓法、列文伯格-馬跨特法、狗腿法等等），這些演算法會先初始化一個解，在這個解的基礎上，確定一個搜索方向和一個移動步長（各種法算確定方向和步長的方法不同，也就使各種演算法適用於解決不同的問題），使初始解根據這個方向和步長移動後，能使目標函數的輸出（在神經網路中就是預測誤差）下降。 然後將它更新為新的解，再繼續尋找下一步的移動方向的步長，這樣不斷的迭代下去，目標函數（神經網路中的預測誤差）也不斷下降，最終就能找到一個解，使得目標函數（預測誤差）比較小。
而在尋解過程中，步長太大，就會搜索得不仔細，可能跨過了優秀的解，而步長太小，又會使尋解過程進行得太慢。因此，步長設置適當非常重要。
學習率對原步長（在梯度下降法中就是梯度的長度）作調整，如果學習率lr = 0.1,那麼梯度下降法中每次調整的步長就是0.1*梯度，
而在matlab神經網路工具箱里的lr,代表的是初始學習率。因為matlab工具箱為了在尋解不同階段更智能的選擇合適的步長，使用的是可變學習率，它會根據上一次解的調整對目標函數帶來的效果來對學習率作調整，再根據學習率決定步長。
機制如下：
if newE2/E2 > maxE_inc %若果誤差上升大於閾值
lr = lr * lr_dec; %則降低學習率
else
if newE2 < E2 %若果誤差減少
lr = lr * lr_inc;%則增加學習率
end
詳細的可以看《神經網路之家》nnetinfo里的《[重要]寫自己的BP神經網路(traingd)》一文，裡面是matlab神經網路工具箱梯度下降法的簡化代碼

Ⅳ matlab神經網路30個案例分析適合初學者嗎

嗯，挺不錯的， 不過現在已經有《matlab神經網路43個案例分析》了，是30個案例的升級版 。
它是matkabsky論壇出版的，還版有個matlab中文論壇出版的，《MATLAB神經網路原理與實例精解（附光碟）》也是挺不錯的。。 這兩本裡面都有比較多的干貨。

另外《神權經網路之家》網，nnetinfo也推薦你去看看，上面也有些視頻可以下載。

Ⅵ 求matlab神經網路43個案例的電子書

新版的43案例抄的，網上襲沒有電子版，只用30個案例的pdf掃描。

人工神經網路（Artificial Neural Network，即ANN ），是20世紀80 年代以來人工智慧領域興起的研究熱點。它從信息處理角度對人腦神經元網路進行抽象， 建立某種簡單模型，按不同的連接方式組成不同的網路。在工程與學術界也常直接簡稱為神經網路或類神經網路。神經網路是一種運算模型，由大量的節點（或稱神經元）之間相互聯接構成。每個節點代表一種特定的輸出函數，稱為激勵函數（activation function）。