神经网络编程的34个案例,神经网络程序实例100篇

matlab神经网络43个案例分析第十七章基于SVM的信息粒化运行问题

代码你修改过吗，没有修改过、用的又是原版的SVMLIM工具箱的话，运行应该是无错的，因为所有的案例代码都经过校正。

维数不一致，可能是指low_predict和Low'的维度不一致，或者是error矩阵的维数设置错了。

SVM的主要思想可以概括为两点：⑴它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能。

matlab神经网络43个案例分析.pdf

哥们，这书还真没搜到PDF电子版的，估计人家就是想用来卖钱的，版权意识特么强rfid。这么厚的书，又全是干货，才32块，很便宜了，真想要学习，推荐买一本，亚马逊，当当，京东上都有卖。

不过就算没买，到神经网络之家、matlabsky、数学中国、matlab中文论坛等一些免费论坛看看贴，一样学习。希望对你有帮助。

神经网络知识

建议你读一些Matlab与神经网络的书籍，市面上很多。

给你推荐一本《Matlab神经网络30个案例分析》，此书涵盖了Matlab与各种神经网络的编程，比如说：案例1：BP神经网络的数据分类—语音特征信号识别：案例12:SVM神经网络的数据分类预测-意大利葡萄酒种类识别:等等。

。一共有30个。

神经网络的硬限幅函数是什么？举个例子

。

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；―收敛误差；―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：―Levenberg－Marquart优化算法中的_dec―的缩减因子；

matlab神经网络30个案例分析适合初学者吗

嗯，挺不错的，不过现在已经有《matlab神经网络43个案例分析》了，是30个案例的升级版。

它是matkabsky论坛出版的，还有个matlab中文论坛出版的，《MATLAB神经网络原理与实例精解（附光盘）》也是挺不错的。。这两本里面都有比较多的干货。

另外《神经网络之家》网，nnetinfo也推荐你去看看，上面也有些视频可以下载。

关于神经网络的问题 20

。

matlab训练神经网络直接用编程实现下面是一个ELMAN神经网络编程例子（直接新建一个M文件然后输入程序）P=[0.0000.0550.1130.1730.2350.2990.3650.4320.5020.573;0.6450.7190.7950.8720.9501.0291.1091.1901.2731.356;1.4401.5251.6111.6981.7851.8731.9622.0512.1412.232;2.3232.4142.5062.5992.6922.7862.8802.9743.0693.164;3.2603.3563.4523.5493.6453.7433.8403.9384.0364.135;4.2344.3334.4324.5324.6324.7324.8324.9335.0345.136;5.2375.3395.4425.5445.6485.7515.8555.9606.0656.169;6.2746.3806.4866.5926.6996.8056.9137.0207.1287.236;7.3457.4547.5637.6727.7827.8928.0038.1148.2558.336;8.4488.5608.6738.7868.8999.0129.1269.2409.3559.470;9.5859.7009.8169.93210.04810.16510.28210.40010.51710.635;10.75410.87210.99111.11011.22911.34811.46711.58711.70711.827;11.94712.06712.18812.30812.42912.55012.67112.79212.91213.034;13.15513.39713.19713.51913.64013.76113.88314.00414.12514.247;14.36814.47014.61014.73114.85214.97315.09415.21515.33615.456]';T=[0102030405060708090;100110120130140150160170180190;200210220230240250260270280290;300310320330340350360370380390;400410420430440450460470480490;500510520530540550560570580590;600610620630640650660670680690;700710720730740750760770780790;800810820830840850860870880890;900910920930940950960970980990;1000101010201030104010501060107010801090;1100111011201130114011501160117011801190;1200121012201230124012501260127012801290;1300131013201330134013501360137013801390;1400141014201430144014501460147014801490;]';pp=reshape(P,1,size(P,1)*size(P,2));tt=reshape(T,1,size(T,1)*size(T,2));pp_max=1.1*max(pp);pp_min=min(pp);pp=(pp-pp_min)/(pp_max-pp_min);tt_max=1.1*max(tt);tt_min=min(tt);tt=(tt-tt_min)/(tt_max-tt_min);net=newelm([01],[11,1],{'tansig','purelin'});net.trainFcn='trainlm';net.trainParam.epochs=1000;=0;net=train(net,pp,tt);p_input=input('inputanydataamongP\ndata=');pp_input=(p_input-pp_min)/(pp_max-pp_min);t_output=sim(net,pp_input);tt_output=t_output*(tt_max-tt_min)+tt_min;fprintf('resultis%f\n',tt_output);。

神经网络应该如何学习和研究？有什么好的参考书吗？从神经网络编程的和理论知识分别有哪些好的参考书

MATLAB神经网络30个案例分析的图书目录

。

第1章P神经网络的数据分类——语音特征信号分类第2章BP神经网络的非线性系统建模——非线性函数拟合第3章遗传算法优化BP神经网络——非线性函数拟合第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计——公司财务预警建模第6章PID神经元网络解耦控制算法——多变量系统控制第7章RBF网络的回归——非线性函数回归的实现第8章GRNN的数据预测——基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆——数字识别第10章离散Hopfield神经网络的分类——高校科研能力评价第11章连续Hopfield神经网络的优化——旅行商问题优化计算第12章SVM的数据分类预测——意大利葡萄酒种类识别第13章SVM的参数优化——如何更好的提升分类器的性能第14章SVM的回归预测分析——上证指数开盘指数预测第15章SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测第16章自组织竞争网络在模式分类中的应用——患者癌症发病预测第17章SOM神经网络的数据分类——柴油机故障诊断第18章Elman神经网络的数据预测——电力负荷预测模型研究第19章概率神经网络的分类预测——基于PNN的变压器故障诊断第20章神经网络变量筛选——基于BP的神经网络变量筛选第21章LVQ神经网络的分类——乳腺肿瘤诊断第22章LVQ神经网络的预测——人脸朝向识别第23章小波神经网络的时间序列预测——短时交通流量预测第24章模糊神经网络的预测算法——嘉陵江水质评价第25章广义神经网络的聚类算法——网络入侵聚类第26章粒子群优化算法的寻优算法——非线性函数极值寻优第27章遗传算法优化计算——建模自变量降维第28章基于灰色神经网络的预测算法研究——订单需求预测第29章基于Kohonen网络的聚类算法——网络入侵聚类第30章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类。