matlab如何輸出神經網路的權值

A. matlab神經網路求權重

1. 上面寫的好像是6個指標

2. 給一個簡單的函數擬合代碼吧。你不說更多的要求我也不能更細化了。

clearall;closeall;
x=[123456789;123212112;...
133455542;211221221;...
111222231;121221211];
t=[133455542];
net=feedforwardnet(10);%隱層節點數
net=configure(net,x,t);
net.divideParam.trainRatio=0.7;
net.divideParam.valRatio=0.15;
net.divideParam.testRatio=0.15;
net=train(net,x,t);
y2=net(x);
x_axis=1:length(t);
plot(x_axis,t,x_axis,y2)
legendtargetprediction

B. matlab 實現BP神經網路 怎樣根據隱含層和輸入層的權值閾值得到輸入到輸出的計算公式

訓練好的權值、閾值的輸出方法是：
輸入到隱層權值：
w1=net.iw
隱層閾值：
theta1=net.b
隱層到輸出層權值：
w2=net.lw;
輸出層閾值：
theta2=net.b
這是我常逛的論壇，你有興趣的可以看一下。

C. 神經網路權值怎麼確定

神經網路的權值是通過對網路的訓練得到的。如果使用MATLAB的話不要自己設定，newff之後會自動賦值。也可以手動：net.IW{}= ; net.bias{}=。一般來說輸入歸一化，那麼w和b取0-1的隨機數就行。神經網路的權值確定的目的是為了讓神經網路在訓練過程中學習到有用的信息，這意味著參數梯度不應該為0。

參數初始化要滿足兩個必要條件：

1、各個激活層不會出現飽和現象，比如對於sigmoid激活函數，初始化值不能太大或太小，導致陷入其飽和區。

2、各個激活值不為0，如果激活層輸出為零，也就是下一層卷積層的輸入為零，所以這個卷積層對權值求偏導為零，從而導致梯度為0。

(3)matlab如何輸出神經網路的權值擴展閱讀：

神經網路和權值的關系。

在訓練智能體執行任務時，會選擇一個典型的神經網路框架，並相信它有潛力為這個任務編碼特定的策略。注意這里只是有潛力，還要學習權重參數，才能將這種潛力變化為能力。

受到自然界早成行為及先天能力的啟發，在這項工作中，研究者構建了一個能自然執行給定任務的神經網路。也就是說，找到一個先天的神經網路架構，然後只需要隨機初始化的權值就能執行任務。研究者表示，這種不用學習參數的神經網路架構在強化學習與監督學習都有很好的表現。

其實如果想像神經網路架構提供的就是一個圈，那麼常規學習權值就是找到一個最優點（或最優參數解）。但是對於不用學習權重的神經網路，它就相當於引入了一個非常強的歸納偏置，以至於，整個架構偏置到能直接解決某個問題。

但是對於不用學習權重的神經網路，它相當於不停地特化架構，或者說降低模型方差。這樣，當架構越來越小而只包含最優解時，隨機化的權值也就能解決實際問題了。如研究者那樣從小架構到大架構搜索也是可行的，只要架構能正好將最優解包圍住就行了。

D. matlab中BP神經網路如何設置初始權重

因為初始值（初始權值和閥值）都在x這個向量中，x（n，1）的長度n為：n=inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum
其中inputnum*hiddennum是輸入層到隱含層的權值數量，hiddennum是隱含層神經元個數（即隱含層閥值個數），hiddennum*outputnum是隱含層到輸出層權值個數，outputnum是輸出層神經元個數（即輸出層閥值個數）；

E. 使用神經網路用matlab進行建模，最後的權重值要輸出么，怎麼輸出得出的模型怎麼用來驗證和預測

得出的權值要回賦給這個神經網路，權值就好像黑匣子里邊的未知的東西，你通過訓練數據得到最佳權值後把它賦給這個黑匣子，黑匣子就成了已知得了，給它一組輸入運行就會有相應的輸出y，這個輸出是我們預測的，需要跟實際的輸出比較得出誤差，誤差大證明系統模型不好，誤差小說明系統模型更接近真實的系統，至於權值怎麼賦給模型，網上有代碼，粒子群優化bp神經網路，遺傳演算法優化神經網路的都有，我也是看了一段時間，理解的不深刻，建模主要是通過已知的輸入輸出數據訓練網路的權值和閾值，我現在在學習鍋爐系統建模和優化，大家可以一起交流學習qq191991427

F. matlab訓練BP神經網路，nntool中如何設置，權值，激活函數的修改等問題

net1=newff(minmax(pX),[16,1],{'tansig','purelin'},'trainlm');

這個是激活函數的語句，但是一般不需要修改。

BP神經網路是計算機自主學習的一個過程，程序員要做的就是確定隱含層神經元的數量以及訓練精度，訓練步數以及學習速率等參數。

隱含層神經元數量的公式：