有多少种神经网络

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

首先,神经网络确实可以用于对未知函数关系的建模,用一堆已知的{X1,X2,X3}_k和{Y}_k对神经网络进行训练,获得网络的传递参数,从而用网络预测新的{X1,X2,X3}所对应的Y.其次,神经网络

你的P=[0.5,0.6,0.2,0.8.0.6;这一段中0.8后面应当是逗号而不是点号,这样matlab是认不出来的.也就是P=[0.5,0.6,0.2,0.8,0.6;

%神经网络算法%这是我以前数模校内选拔赛的猪肉价格预测模型的算法,你参考下clear;clc;%P=0:0.1:2*pi;T=sin(P);pnew=0:0.01:2*pi;P=再问：sorry,刚刚

Matlab语言是MathWorks公司推出的一套高性能计算机编程语言,集数学计算、图形显示、语言设计于一体,其强大的扩展功能为用户提供了广阔的应用空问.它附带有30多个工具箱,神经网络工具箱就是其中

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

推荐一本书《面向MATLAB工具箱的神经网络理论与应用》,我已经传到文库上面去了,自己去下载吧,这本书很经典,介绍得很详细,

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

先找一个期望函数,比如y=1/x,那么输入就是x（值随便设）,理想的输出结果就是1/x.用实际的输出结果与理想的结果做运算,依据运算结果对隐层和输出层的权值矩阵进行调整.然后继续输入样本,得到结果在与

mse表示均方差,当然越小越好.但是这与你训练样本的多少,训练次数都有很大关系.你试试看径向基神经网络和高斯型网络能不能更好的减低训练误差,神经网络就是一个不断调试的学习过程.再问：这个我也知道，但是

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

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