bp神经网络怎么预测多个_bp神经网络怎么预测多个事件

BP神经网络怎样确定传输函数和隐层个数。。。。。？

BP网络一般都是用三层的，四层及以上的都比较少用；

bp神经网络怎么预测多个_bp神经网络怎么预测多个事件

传输函数的选择，这个怎么说，假设你想预测的结果是几个固定值，如1,0等，满足某个条件输出1，不满足则0的话，首先想到的是hardlim函数，阈值型的，当然也可以考虑其他的；

然后，假如网络是用来表达某种线性关系时，用purelin---线性传输函数；

若是非线性关系的话，用别的非线性传递函数，多层网络时，每层不一定要用相同的传递函数，可以是三种配合，可以使非线性和线性，阈值的传递函数等；

compet---竞争型传递函数；

hardlim---阈值型传递函数；

hardlims---对称阈值型传输函数；

logsig---S型传输函数；

poslin---正线性传输函数；

purelin---线性传输函数；

radbas---径向基传输函数；

satlin---饱和线性传输函数；

satlins---饱和对称线性传输函数；

softmax---柔性值传输函数；

tanhsig---双曲正切S型传输函数；

tribas---三角形径向基传输函数；

BP神经网络预测。 2009-2014年数据 3583 4150 5062 4628 5270 5340 预测下2015年数据

BP神经网络预测可以按下列步骤进行：

1、输入和输出数据。

2、创建网络。fitnet（）

3、划分训练，测试和验证数据的比例。net.divideParam.trainRatio； net.divideParam.valRatio；net.divideParam.testRatio

4、训练网络。 train（）

5、根据图表判断拟合好坏。ploterrcorr（）；parcorr（）；plotresponse（）

6、预测往后数据。net（）

7、画出预测图。plot（）

执行下列命令

clear all;close all;clc

%t=2009:2014;

% x为原始序列（行向量）

x=[3583 4150 5062 4628 5270 5340];

% 自回归阶数

lag=2;

%预测年份或某一时间段

t=2015:2016;

n1=length(t);

%预测步数为fn

fn=length(t);

[f_out,iinput]=BP(x,lag,fn)

P=vpa(f_out,5);

[t' P']

% 画出预测图

figure,plot(2009:2014,iinput,'b'),hold on

plot(2014:2016,[iinput(end),f_out],'r'),grid on

title('BP神经网络预测')

得到结果：

[ 2015, 5128.6317232642322778701782226562]

[ 2016, 5100.5797553705051541328430175781]

bp神经网络如何用于预测

用历史样本训练神经网络，然后输入新的数据（向量），就可以得到预测值。

据说负反馈网络训练后好有输出,那个输出就是所谓的预测

说什么都不好使，给你本书《神经网络理论与MATLAB7实现》，上面例子贼多，你可以看看

请高人指点：基于BP神经网络预测程序

编程很简单，matlab中一句语句就可以了。

关键是要先确定模型，即神经网络的拓扑结构。

神经网络拓扑结构：

输入神经元 4个 分别对应于：总推力、刀盘扭矩、掘进速度、注浆量

输出神经元 1个 对应于：沉降值

中间神经元个数根据预测效果而定。（可选2~20，3-8个）

如何用BP神经网络实现预测

BP神经网络具有任意复杂的模式分类能力和优良的函数映射能力，解决了简单感知器不能解决的异或(Exclusive OR，XOR)和一些其他问题。从结构上讲，BP网络具有输入层、隐藏层和输出层；从本质上讲，BP算法就是以网络误平方为目标函数、采用梯度下降法来计算目标函数的小值。

首先要知道你建立的这个模型的内部逻辑关系。。

1，确定隐层数，画出简要模型图。

2，确定采用什么样的神经网络来建立模型

3.通过测试数据来训练模型。。

4.根据测试训练得到的数据和实际数据进行比对，或者算出误。从而修改隐层中的权值和阀值。

反复重复3-4.。后得到一个的模型。

大致是这样。。。楼主说的太概略。。。无法回答清楚请抱歉

bp神经网络训练集的预测输出如何得到

通过数据预测得到。

bp神经网络训练集的预测利用附件1中的相关数据预测附件2中的调价比例，因此将附件1中的数据作为BP的训练集和测试集。对模型进行训练后，将附件2的数据输入到BP当中即可。

BP网络又称反向传播神经网络，通过样本数据的训练，不断修正网络权值和阈值使误函数沿负梯度方向下降。

如何建立bp神经网络预测 模型

建立BP神经网络预测 模型，可按下列步骤进行：

1、提供原始数据

2、训练数据预测数据提取及归一化

3、BP网络训练

4、BP网络预测

5、结果分析

现用一个实际的例子，来预测2015年和2016年某地区的人口数。

已知2009年——2014年某地区人口数分别为3583、4150、5062、4628、5270、5340万人

执行BP_main程序，得到

[ 2015, 5128.631704710423946380615234375]

[ 2016, 5100.5797325642779469490051269531]

代码及图形如下。