网络的训练过程和使用过程是两个不同的事情。例如，当BP用于分类时，网络的训练就是给你一些样本，告诉你这些样本属于哪个类别，然后将它们插入到网络中进行训练，使网络具有一定的分类能力。训练完成后，将采取未知类别。数据通过网络进行排序。这里的训练过程是先伪随机生成权重，然后输入样本计算各层的输出，最后计算预测输出（输出层的输出）。这是一个前向学习的过程；最后，通过某种训练算法（最基本的是感知器算法），使成本（预测输出与实际输出之间的某个范数）函数相对于权重最小化。这就是反向传播过程。你提到的那种不需要提前知道样本类别的网络是无监督类型的网络，例如自组织竞争神经网络。
MATLAB。 。
从来没有听说过。 。 。 。 。
问
- - 那你还是回答吧。我以为有人在帮助我
还没接触过呢。
来自：寻求帮助的答案
您必须首先准备大量数据，包括：输入变量和输出变量。需要许多团队才能建立准确的模型。你可以尝试用matlab编译一下。我正在学习它。
这是神马东东！
P=[。 ];输入T=[。 ];输出% 创建一个新的前向神经网络net_1=newff(minmax(P),[10,1],{#39;tansig#39;#39;purelin#39;},#39;traingdm# 39; )% 当前输入层权重和阈值inputWeights=net_1.IW{1,1}inputbias=net_1.b{1}% 当前网络层权重和阈值layerWeights=net_1.LW{2,1}layerbias=net_1 .b{2 }% 设置训练参数net_1.trainParam.show=50;net_1.trainParam.lr=0.05;net_1.trainParam.mc=0.9;net_1.trainParam.epochs=10000;net_1.trainParam.goal=1e-3 ;% 调用TRAINGDM算法训练BP网络[net_1,tr]=train(net_1,P,T);%模拟BP网络A=sim(net_1,P);%计算模拟误差E=T - A;MSE=mse (E)x=[ 。 ]#39;%Test sim(net_1,x) %%参考来自：
我可以帮你写这个。我怎样才能联系你？我精通BP网络。
超临界流体
参考matlab神经网络的30个例子。有一个股票预测的案例。我认为svm 更擅长做到这一点。
P=[];'输入，按顺序开盘价、最高价、最低价、收盘价和5天成交量'T=[];'输出，即第二天收盘价'net=newff (minmax(P) ,[7,1],{#39;tansig#39;#39;logsig#39;},#39;traingdx#39;); net.trainParam.epochs=1000; '最大训练次数，根据需要自行调整'net.trainParam.goal=0.01; '错误'net.trainParam.lr=0.01; '学习率'net=train(net,P,T); '训练网络'test=[];'需要预测的数据输入'out=sim(net,test); “模拟预测”。我的程序还没有初始化。您需要先初始化数据，然后才能进行计算。
你了解感知器吗？如果没有的话，建议你买马锐的《人工神经网络原理》。读完70页你就知道了。它还包含针对您的问题的设计思路。可以使用C语言和matlab进行编程。如有疑问，请留言。我想问一下你是什么专业？
原始Q I 请求
咨询华中股票交易软件
