人工神经网络的例子两三个就可以了。。

[个人工作委托证明格式]委托证明的格式：个人委托型委托人:________________性别: ____ 出生日期:_________________ 身份证编号: ________________________________ 暂住证号:____________________...+阅读

基于MATLAB的神经网络编程（1）编程理论作为比较成熟的算法，软件Matlab中有神经网络工具箱，所以可以借助Matlab神经网络工具箱的强大功能，在此基础上进行二次开发，从繁琐的编程工作中解脱出来，大大提高工作效率。Matlab的神经网络工具箱是在Matlab环境下所开发出来的许多工具箱之一，它以人工神经网络理论为基础，用Matlab语言构造出典型神经网络的激活函数（如S型、线性等激活函数），使使用者对所选定网络的输出计算编程对激活函数的调用；另外，根据各种修改网络权值的规律，加上网络的训练过程，用Matlab编写出各种网络训练的子程序。这样，使用者可以根据自己的应用要求，直接调用（或加进自己编写的）神经网络子函数，而不必要从事繁琐的编程。基于Matlab的BP神经网络编程过程如下：（1）对样本集进行归一化确定输入样本和输出样本，并对它们进行归一化，将输入和输出样本变换到（0.1,0.9）区间，由于Matlab的归一化函数premnmx把数据变换到（-1,1）之间，所以使用自编premnmx2归一化函数。（2）创建BP神经网络在样本集确定之后，即可进行网络的结构设计，在Matlab中一般使用newff创建函数，它不但创建了网络对象，还自动初始化网络的权重和阈值。如果需要重新初始化网络权重和阈值，可以使用Init函数。关键语句如下：net=newff（输入样本的取值范围，[网络各层的神经元数目]，{网络各层神经元的激活函数}，‘训练函数'，‘学习函数’，‘性能函数’）一般选用三层BP网络，输入层、输出层的神经元个数根据具体情况确定，而隐层神经元个数目前多采用经验的方法确定。（3）设置网络的训练参数net.trainParam.epochs―最大收敛次数；net.trainParam.goal―收敛误差；net.trainParam.show―显示间隔；以上在一般的神经网络训练中都有使用，本文使用Levenberg-Marquart优化算法进行训练，还需设置的参数有：net.trainParam.mu―Levenberg-Marquart优化算法中的net.trainParam.mu_dec― 的缩减因子；