bp神经网络预测代码

[BP是什么意思啊]1. =Bachelor of Pharmacy药学士； 2. Bachelor of Philosophy 哲学学士 3. Back Pressure反压力； 4. Band Pass【无】带通； 5. Barometric Pressure 大气压； 6. Base Point 原点...+阅读

在matlab中，样本是以列的方式排列的，即一列对应一个样本。如果你的样本无误的话，就是一个输入8输出2的神经网络。作图直接用plot函数。

参考附件的代码，这是一个电力负荷预测例子，也是matlab编程。

BP(Back Propagation)神经网络是是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层（hidden layer）和输出层（output layer）。

跪求：bp神经网络算法程序

您好，multi-ga.rar - 自己编的遗传算法同BP神经网络结合的代码！并且在神经网络模型上进行多目标寻优，结果有doc文档详细说明！实现BP-GA多目标优化应用实例！-Own genetic algorithm withmulti-ga.rar - 自己编的遗传算法同BP神经网络结合的代码！并且在神经网络模型上进行多目标寻优，结果有doc文档详细说明！实现BP-GA多目标优化应用实例！

Matlab遗传算法优化的BP网络种群分类程序收录时间：2014-04-04 资源分类：Matlab 遗传神经网络的Matlab代码。用遗传算法优化的BP网络进行值预测。通过迭代在种群中找最好的染色体并训练。

bp神经网络人口预测程序matlab实现

x=[54167 55196 56300 57482 58796 60266 61465 62828 64653 65994 67207 66207 65859 67295 69172 70499 72538 74542 76368 78534 80671 82992 85229 87177 89211 90859 92420 93717 94974 96259 97542 98705 100072 101654 103008 104357 105851 107507 109300 111026 112704 114333 115823 117171 118517 119850 121121 122389 123626 124761 125786 126743 127627 128453 129227 129988 130756 131448 132129 132802 134480 135030 135770 136460 137510]';

>> lag=3;

>> iinput=x;

>> n=length(iinput);

>> inputs=zeros(lag,n-lag);

>> for i=1:n-lag

inputs(:,i)=iinput(i:i+lag-1)';

end

>> targets=x(lag+1:end);

>> hiddenLayerSize = 10;

>> net = fitnet(hiddenLayerSize);

>> net.divideParam.trainRatio = 70/100;

>> net.divideParam.valRatio = 15/100;

>> net.divideParam.testRatio = 15/100;

>> [net,tr] = train(net,inputs,targets);

Error using trainlm (line 109)

Inputs and targets have different numbers of samples.

Error in network/train (line 106)

[net,tr] = feval(net.trainFcn,net,X,T,Xi,Ai,EW,net.trainParam);

>> yn=net(inputs);

Error using network/sim (line 130)

Input 1 size does not match net.inputs{1}.size.

Error in network/subsref (line 14)

[v,out2,out3] = sim(vin,subs{:});

运行不了啊

构造bp神经网络及matlab代码问题

newff 创建前向BP网络格式：

net = newff(PR,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF)

其中：PR —— R维输入元素的R*2阶最大最小值矩阵； Si —— 第i层神经元的个数，共N1层； TFi——第i层的转移函数，默认'tansig'; BTF—— BP网络的训练函数，默认'trainlm'; BLF—— BP权值/偏差学习函数，默认'learngdm' PF ——性能函数，默认'mse'；（误差）

e.g.

P = [0 1 2 3 4 5 6 7 8 9 10];T = [0 1 2 3 4 3 2 1 2 3 4];

net = newff([0 10],[5 1],{'tansig' 'purelin'});net.trainparam.show=50； %每次循环50次net.trainParam.epochs = 500； %最大循环500次

net.trainparam.goal=0.01； %期望目标误差最小值

net = train(net,P,T)； %对网络进行反复训练

Y = sim(net,P)Figure % 打开另外一个图形窗口

plot(P,T,P,Y,'o')