❶ 神經網路訓練好怎麼預測
調用網路預測函數a=sim(net,p)
net是通過train函數訓練樣本集得到的最優網路，p為預測數據集，a就是想要的預測值
❷ 神經網路訓練好了，怎樣調用函數進行預測啊，急求高手解答
神經網路訓練好了????這個是什麽東東啊？環境是啥？啥計算機語言實現的？信息不全哦。
❸ 大神，請問如何用BP實現通過已知數據訓練好的網路對未來完全沒有數據的一段時間進行預測，或者做出圖。
你輸入是什麼 輸出是什麼？ 如果只是時間序列作為輸入參數，建議不要用神經網路。 你可以多提供一些信息以供具體分析。 BP做訓練網路基本都能達到誤差允許范圍，但是如果你輸入輸出本身內部關聯性就不強，那用這個訓練好的網路來預測誤差會很大。
❹ MATLAB時間序列神經網路訓練好以後怎麼預測
訓練好網路就有結構了，閾值和權值，輸入進去不就可以預測了。想要代碼的話，網上搜下，不難。
❺ 自己寫的網路怎麼預訓練
首先固定隨機種子，簡單化，其次在評估中添加有效數字，最後在初始階段驗證損失函數初始化。
。由於神經網路實際上是數據集的壓縮版本，因此您將能夠查看網路（錯誤）預測並了解它們的來源。如果你的網路給你的預測看起來與你在數據中看到的內容不一致，那麼就會有所收獲。
❻ 如何利用訓練好的神經網路進行預測
可以用MATLAB神經網路工具箱，先提取樣本，用mapminmax函數歸一化，再newff函數建立網路，設置好訓練參數後，使用train
❼ matlabR2013b中神經網路訓練好後，如何進行預測
預測的時候還是將需要的參數作為輸入。訓練的時候不是有15組樣本嗎（4*15和6*15的），說明輸入節點數為4，輸出節點數為6。因此預測時，將用於預測的4個參數作為輸入，神經網路的6個輸出即為預測結果。
神經網路因其很好的函數逼近能力而被廣泛應用於非線性系統建模、辨識和控制中。根據應用場合的不同,神經網路可分為靜態和動態神經網路兩類。靜態(或前饋)神經網路沒有反饋成分,也不包含輸人延時,輸出直接由輸人通過前向網路算出;動態神經網路的輸出不僅依賴當前的輸人,還與當前和過去的輸入、輸出有關。
❽ (vc/c++)bp神經網路訓練好後,如何用新數據進行測試
BP網的工作原理是我們拿一批訓練數據（輸入樣本和期望輸出）訓練出一個學習到這些樣本特徵的神經網路，你可以理解為是具有那些權值的神經網路，然後我們拿新的樣本過來，若你需要的是去檢測這個神經網路，那麼要給的新樣本必須沒包含在訓練樣本中，而且也必須有輸入和期望輸出。已經學習好的神經網路（即已經訓練好的網路）你給它新的輸入，它運行之後給你的輸出，就是你的預測。
❾ MATLAB時間序列神經網路訓練好以後怎麼預測
y=sim(net,p);
net是訓練好的網路，p是輸入，y就是你要的輸出。
關鍵是p輸入的列維一定要對。
❿ matlab neural fitting app訓練完了怎麼預測
測用sim函數，你訓練的時候用的是什麼類型的輸入，預測就用類似的輸入就行了。
_net,tr] = train(net,inputs,targets,inputStates,layerStates);
_渲械玫降_et就是訓練好的網路，然後就用sim函數啊。網上有sim函數的應用實例的。