㈠ 請問大神：函數擬合神經網路（fitnet）是BP神經網路嗎在線等待中。
只能說BP神經網路具有擬合非線性函數的功能，屬於一種函數擬合神經網路。
人工神經網路就是模擬人思維的第二種方式。這是一個非線性動力學系統，其特色在於信息的分布式存儲和並行協同處理。雖然單個神經元的結構極其簡單，功能有限，但大量神經元構成的網路系統所能實現的行為卻是極其豐富多彩的。
非線性關系是自然界的普遍特性。大腦的智慧就是一種非線性現象。人工神經元處於激活或抑制二種不同的狀態，這種行為在數學上表現為一種非線性關系。具有閾值的神經元構成的網路具有更好的性能，可以提高容錯性和存儲容量。
㈡ 神經網路經過訓練後如何查看訓練出來的函數matlab的
用net.iw{1,1}函數輸出權值矩陣，按列求平均算出各個變數的權重。你去中國知網搜索
bp神經網路高等學校標准學費，記得是有這么的相關文獻的！
㈢ 用matlabBP神經網路做多元線性回歸，求問各參數的擬合值怎麼看
這個要看你選擇的激活函數，若是你的激活函數為非線性函數，那就不可能得到各參數的擬合值。如果你所選用的激活函數是線性函數，那麼就可以先把輸出的表達式寫出來，即權向量和輸入的矩陣乘積。得到表達式後就可以得到相應參數的擬合值了
㈣ 通過哪些參數看神經網路擬合出來的函數效果神經網路擬合時如何確定隱藏的節點數
主要看均方誤差和其百分比（准確率）。假如你擬合出來是ui，計算（yi-ui）^2的平均值，然後計算這個平均值與yi平均值的比（也就是均方誤差百分比），當然用1減去這個百分比就是准確率了。一般也會畫一幅圖，把yi和ui分別用不同的顏色或者符號表示出來，直觀對比。
擬合時的隱含層節點數目前沒有一個通行的公式進行確定，只能憑借經驗和試湊。一般情況下，問題的復雜程度（非線性程度和維度）越高，隱含層節點數越多。這里介紹一個小經驗：先用不太大的節點數進行預測，如果增加節點數測試集准確率和訓練集准確率都有所提升，則應該繼續增加。如果增加節點數測試集准確率增加很不明顯，而訓練集准確率還是有所提升，則不應該繼續增加，當前的就是很理想的，繼續增加節點數只會起到反效果。
㈤ matlab中如何用神經網路求得數據擬合函數
我是做這個方向的，神經網路擬合出的曲線是沒有相應的函數的，他是根據許多的權重值，閥值世並和偏置值的訓練彎返嫌確定的曲線。埋手還有什麼相關問題可以問我，我的QQ378257104。