关于BP神经网络MATLAB程序

1,我用的是matlab R2008,一列代表一个样本。其他版本的不知道

2，matlab中神经网络工具箱就已经很方便了，调用函数和修改参数就可以用了。

3，net_1trainParamlr代表学习速率，net_1trainParammc则是动量系数。至于参数的确定，要看具体情况。

示例程序见附件，其为一个简单的时间序列预测算例。其实所有的预测问题，本质都是一样的，通过对样本的学习，将网络训练成一个能反映时间序列内部非线性规律的系统，最终应用于预测。

BP（Back Propagation）神经网络是86年由Rumelhart和McCelland为首的科学家小组提出，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)。

给你个例子如下，

net=newff(inputn,outputn,[8,4],{'tansig','purelin'},'trainscg');%初始化网络结构

%网络参数配置（迭代次数、学习率、目标）

nettrainParamepochs=3000;

nettrainParamlr=008;

nettrainParamgoal=005;

netdivideFcn = '';

[net,tr]=train(net,inputn,outputn);%网络训练

%网络预测输出

an=sim(net,inputn_test);

不过只了解输入预测输出，这些还不够，还要看你的输入数据的量，来确定隐含层，还需要看数据是不是归一化，我专门做神经网络的预测工作，可否加QQ探讨一下？