matlab的neural模塊怎么使用？在控制臺輸入nntool打開神經(jīng)網(wǎng)絡工具箱，但不排除很老的版本沒有這個工具箱。如果你遇到這種情況，建議你安裝更新的版本。給出一組數(shù)據(jù)，如何用MATLAB去預測將

matlab的neural模塊怎么使用？

在控制臺輸入nntool打開神經(jīng)網(wǎng)絡工具箱，但不排除很老的版本沒有這個工具箱。如果你遇到這種情況，建議你安裝更新的版本。

給出一組數(shù)據(jù)，如何用MATLAB去預測將來的數(shù)據(jù)？

比如你有100組數(shù)據(jù)，后10組數(shù)據(jù)只輸入不輸出，設置前80組數(shù)據(jù)為訓練樣本，神經(jīng)網(wǎng)絡開始學習，有10組數(shù)據(jù)為測試樣本，主要用于檢驗學習模型是否達到預期效果。如果測試效果還可以，可以輸入最后10組數(shù)據(jù)進行模擬。

神經(jīng)網(wǎng)絡算法中，參數(shù)的設置或者調(diào)整，有什么方法可以采用？

如果對你有幫助，請喜歡。神經(jīng)網(wǎng)絡的結構(如2個輸入，3個隱節(jié)點，1個輸出)建立后，一般需要神經(jīng)網(wǎng)絡中的權值和閾值。目前一般采用梯度下降法、牛頓法、Levinberg-Marott法、狗腿法等搜索算法求解權值和閾值。這些算先初始化一個解，在這個解的基礎上，確定一個搜索方向和一個移動步長(確定方向和步長的方法不同，使得各種算法適用于解決不同的問題)，這樣初始解就是基于這個方向的。然后更新為新解，然后繼續(xù)尋找下一個移動方向的步長。這樣目標函數(shù)(神經(jīng)網(wǎng)絡中的預測誤差)就會不斷下降，最終可以找到解決方案，使目標函數(shù)(預測誤差)變小。在尋找解的過程中，如果步長過大，搜索會不仔細，優(yōu)秀的解可能會被越過，而如果步長過小，尋找解的過程就會太慢。因此，適當設置步長非常重要。學習率調(diào)整原始步長(即梯度下降法中梯度的長度)。如果學習率為lr 0.1，那么梯度下降法中每次調(diào)整的步長為0.1*梯度，而matlab神經(jīng)網(wǎng)絡工具箱中的lr代表初始學習率。由于matlab工具箱為了在求解的不同階段更智能地選擇合適的步長，使用了可變的學習率，它會根據(jù)上一個解的調(diào)整對目標函數(shù)的影響來調(diào)整學習率，然后根據(jù)學習率來決定步長。機理如下:如果newE2/E2 gt maxE_inc%，如果誤差上升超過閾值lr lr * lr_dec%，則學習率降低；如果誤差減小lr lr * lr_inc%，學習率將增加。見《[重要]寫自己的BP神經(jīng)網(wǎng)絡(traingd)》 ;詳細內(nèi)容請見《神經(jīng)網(wǎng)絡之家》 Netinfo中的文章，其中包含了matlab神經(jīng)網(wǎng)絡工具箱中梯度下降法的簡化代碼。如果有幫助，會提高學習率。祝你學習愉快。