bp神經網路需要什麼軟體

㈠ 這種寫法的bp神經網路，可以用哪個版本的，matlab運行，不報錯！

在MATLAB的command window里輸出命令

nnstart
即可調用其自帶的神經網路工具箱向導。首先根據你要解決的問題選擇合適的神經網路，這里以運用的最多的模式識別舉例。選擇pattern recognition app

㈡ BP神經網路用什麼軟體可以實現

MATLAB！ 編個程序就能實現的，而且MATLAB 有自帶的神經網路工具箱。

㈢ 什麼是BP神經網路

BP演算法的基本思想是：學習過程由信號正向傳播與誤差的反向回傳兩個部分組成；正向傳播時，輸入樣本從輸入層傳入，經各隱層依次逐層處理，傳向輸出層，若輸出層輸出與期望不符，則將誤差作為調整信號逐層反向回傳，對神經元之間的連接權矩陣做出處理，使誤差減小。經反復學習，最終使誤差減小到可接受的范圍。具體步驟如下：
1、從訓練集中取出某一樣本，把信息輸入網路中。
2、通過各節點間的連接情況正向逐層處理後，得到神經網路的實際輸出。
3、計算網路實際輸出與期望輸出的誤差。
4、將誤差逐層反向回傳至之前各層，並按一定原則將誤差信號載入到連接權值上，使整個神經網路的連接權值向誤差減小的方向轉化。
5、対訓練集中每一個輸入—輸出樣本對重復以上步驟，直到整個訓練樣本集的誤差減小到符合要求為止。

㈣ 什麼是BP神經網路

BP網路是一種神經網路學習演算法。其由輸入層、中間層、輸出層組成的階層型神經網路，中間層可擴展為多層。相鄰層之間各神經元進行全連接，而每層各神經元之間無連接，網路按有教師示教的方式進行學習，當一對學習模式提供給網路後，各神經元獲得網路的輸入響應產生連接權值（Weight）。然後按減小希望輸出與實際輸出誤差的方向，從輸出層經各中間層逐層修正各連接權，回到輸入層。此過程反復交替進行，直至網路的全局誤差趨向給定的極小值，即完成學習的過程。
找個神經網路軟體，如NeuroSolutions或邁實神經網路軟體，邊操作邊學習，會更好的理解神經網路。

㈤ 搭建神經網路用什麼軟體

用Matlab就可以了， 裡面有神經網路的工具箱很方便的。

㈥ 除了MATLAB能做BP神經網路，還有其他什麼軟體能做

在我看來bp神經網路是一種演算法，只要是演算法就可以用任何軟體工具（只要編譯器或者解釋器支持，c，c++，python，matlab......）來進行實現，只是實現時的復雜程度有區別而已

㈦ bp神經網路 matlab

可以做，示例如下，是擬合一個6輸入1輸出的函數：

在matlab2013b里運行。必須有神經網路工具箱。

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

㈧ 關於matlab的BP神經網路：

比較新的版本，比如說matlab 2010以上的，都不需要裝神經網路的工具箱
建立網路步驟：
1、數據歸一化：輸入的數據通常為P,輸出數據通常為T，數據格式為：每列對應一個樣本，歸一化常用函數：mapminmax
[pn,ps]=mapminmax(p); [tn,ts]=mapminmax(t)
pn,tn是歸一化後的數據，ps, ts是歸一化的結構體，在後面反歸一化預測值很有用。
2、建立網路並設定參數
net=newff(pn,tn,[ ]) 中括弧裡面的是輸入層數，隱含神經元數，輸出層數，還可以設定節點傳遞函數等等的參數
net.trainparam.epochs=1000 訓練的次數
net.trainparam.goal=0.0001 訓練的誤差目標值
net.trainparam.lr=0.1 學習速率，通常在0到1之間，過大過小都不好
3、預測並分析
an=sim(net, pn)
ouput=mapminmax('reverse', an, ts) 根據之前歸一化的標准，對預測結果進行反歸一化，得到結果
error=output-t 這里是對誤差進行輸出，也可以用error=sum(asb(output-t))
當然也可以作圖，比如說：
plot(p,t,'-o')
hold on
plot(p, output,'-*')
看預測值和真實值能否吻合
還可以在神經網路訓練完成後的對話框中看MSE和R方
還有很多方法提高神經網路的精度，以上程序沒有經過MATLAB調試，但大致過程如上

純手打，希望採納！

㈨ BP神經網路代碼用什麼實現

BP演算法，只是一種演算法，用任何語言都能實現。
Matlab有神經網路工具箱，提供已經封裝好的：網路建立函數newff、訓練函數train，省去了自己編寫代碼的麻煩，你可以考慮。

BP（Back Propagation）神經網路是1986年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆傳播演算法訓練的多層前饋網路，是目前應用最廣泛的神經網路模型之一。BP網路能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數學方程。它的學習規則是使用最速下降法，通過反向傳播來不斷調整網路的權值和閾值，使網路的誤差平方和最小。BP神經網路模型拓撲結構包括輸入層（input）、隱層(hidden layer)和輸出層(output layer)。