matlab的神經網路工具箱

2. Matlab問題 神經網路中將所有向量都量化到[-1,1]的范圍內是哪種數據預處理方法

premnmx 是matlab神經網路工具箱里專門將原始數據歸一化到[-1，1]之間的命令
這個在網頁前侍漏談並上很容易得到驗證
它的具體做法是：
2*（p-pmin）/（pmax-pmin）-1
p是原始數據，pmax，pmin分別是原始數據的最大值和最小值

具體原理我不知道，但我知道這個公式就是matlab神慧爛經網路工具箱里使用的，將原始數據歸一化到[-1，1]之間的專有命令

3. 需要把MATLAB中的BP神經網路工具箱與自己的一個軟體項目結合

這個就是C++與matlab混合編程。但是神經網路工具箱比較特別，它反盜用比較嚴厲。採用回傳統的混答編方式，可以調用matlab自己的函數，但無法成功調用神經網路工具箱。這一點在mathwork網站上也做了說明。

以C#為例，一般混編有四種方式：
（1）利用Matlab自身編譯器，目的是將m文件轉換為c或c++的源代碼。
（2）利用COM或.NET組件技術。通過MATLAB中的Deploy tool工具將m文件編譯成dll，然後在系統中調用。
（3）利用Mideva平台。沒嘗試過。
（4）利用MATLAB引擎技術。該方法相當於在.NET中運行MATLAB程序，獲取其結果。優點是操作簡單，過程簡易。缺點是需要安裝Matlab軟體。

如果要調用神經網路工具箱，只有使用第四種方法，即引擎技術，其他方法都不可行。這種混編方式僅僅傳遞參數，因此不涉及到神經網路工具箱的代碼，也就沒有了防盜用限制。

4. matlab 有沒有模糊神經網路工具箱

有，工具箱名稱：anfisedit，以下是一些使用說明。
1． GUI工具
Anfisedit 打開ANFIS編輯內器GUI、Fuzzy 調用容基本FIS編輯器、Mfedit 隸屬度函數編輯器、Ruleedit 規則編輯器和語法解析器、Ruleview 規則觀察器和模糊推理方框圖、Surfview輸出曲面觀察器
2． 隸屬度函數
dsigmf 兩個sigmoid型隸屬度函數之差組成的隸屬度函數、gauss2mf 建立兩邊型高斯隸屬度函數、gaussmf 建立高斯曲線隸屬度函數、gbellmf 建立一般鍾型隸屬度函數、pimf 建立Π型隸屬度函數、psigmf 通過兩個sigmoid型隸屬度函數的乘積構造隸屬度函數、smf 建立S-型隸屬度函數、sigmf
建立Sigmoid型隸屬度函數、trapmf 建立梯形隸屬度函數、trimf 建立三角形隸屬度函數、zmf 建立Z-型隸屬度函數

5. matlab工具箱中的神經網路和遺傳演算法要怎麼調用

都是有兩種調用抄方法，一種圖形界面的，這個從開始菜單，然後工具，然後從裡面找神經網路 neural network，遺傳演算法工具是 全局優化工具箱裡面的，global optimization。
另外 一種通過命令行調用，這個需要你理解你都要做什麼，我用神經網路舉例。第一步需要先整理出輸入變數和輸出變數，第二步設計並初始化神經網路，第三部訓練，第四部獲得結果。
如果你想結合這兩者，就會更加復雜，詳細的你可以再問。我曾經做過用遺傳演算法優化神經網路的工具。

6. 你好，請問你知道在matlab神經網路工具箱里，學習率在哪裡設置嗎

lr就是學習率，performance是主要指標，你在程序里寫的goal就是MSE，決定最後精度的。

%%BP演算法
functionOut=bpnet(p,t,p_test)
globalS1
net=newff(minmax(p),[S1,8],{'tansig','purelin'},'trainlm');%trainlm訓練函數最有版效
%net=newff(P,T,31,{'tansig','purelin'},'trainlm');%新版用權法
net.trainParam.epochs=1000;
net.trainParam.goal=0.00001;
net.trainParam.lr=0.01;%這是學習率
net=train(net,p,t);
Out=sim(net,p_test);
end

7. 如何使用matlab中的工具箱

如果是系統自帶的，你可以直接用，如果是外部的或者是自編的你需要先把文件夾拷貝到tools文件夾下，再設置路徑。x0dx0aMatlab常用工具箱介紹(英漢對照)x0dx0aMatlab Main Toolbox——matlab主工具箱x0dx0aControl System Toolbox——控制系統工具箱x0dx0aCommunication Toolbox——通訊工具箱x0dx0aFinancial Toolbox——財政金融工具箱x0dx0aSystem Identification Toolbox——系統辨識工具箱x0dx0aFuzzy Logic Toolbox——模糊邏輯工具箱x0dx0aHigher-Order Spectral Analysis Toolbox——高階譜分析工具箱x0dx0aImage Processing Toolbox——圖象處理工具箱x0dx0aLMI Control Toolbox——線性矩陣不等式工具箱x0dx0aModel predictive Control Toolbox——模型預測控制工具箱x0dx0aμ-Analysis and Synthesis Toolbox——μ分析工具箱x0dx0aNeural Network Toolbox——神經網路工具箱x0dx0aOptimization Toolbox——優化工具箱x0dx0aPartial Differential Toolbox——偏微分方程工具箱x0dx0aRobust Control Toolbox——魯棒控制工具箱x0dx0aSignal Processing Toolbox——信號處理工具箱x0dx0aSpline Toolbox——樣條工具箱x0dx0aStatistics Toolbox——統計工具箱x0dx0aSymbolic Math Toolbox——符號數學工具箱x0dx0aSimulink Toolbox——動態模擬工具箱x0dx0aSystem Identification Toolbox——系統辨識工具箱x0dx0aWavele Toolbox——小波工具箱x0dx0ax0dx0a例如：控制系統工具箱包含如下功能：x0dx0a連續系統設計和離散系統設計x0dx0a狀態空間和傳遞函數以及模型轉換x0dx0a時域響應（脈沖響應、階躍響應、斜坡響應）x0dx0a頻域響應（Bode圖、Nyquist圖）x0dx0a根軌跡、極點配置x0dx0ax0dx0a較為常見的matlab控制箱有：x0dx0ax0dx0a控制類：x0dx0ax0dx0a控制系統工具箱(control systems toolbox)x0dx0a系統識別工具箱（system identification toolbox）x0dx0a魯棒控制工具箱（robust control toolbox）x0dx0a神經網路工具箱（neural network toolbox）x0dx0a頻域系統識別工具箱（frequency domain system identification toolbox）x0dx0a模型預測控制工具箱（model predictive control toolbox）x0dx0a多變數頻率設計工具箱（multivariable frequency design toolbox）x0dx0ax0dx0a信號處理類：x0dx0a信號處理工具箱（signal processing toolbox）x0dx0a濾波器設計工具箱（filter design toolbox）x0dx0a通信工具箱（communication toolbox）x0dx0a小波分析工具箱（wavelet toolbox）x0dx0a高階譜分析工具箱（higher order spectral analysis toolbox）x0dx0ax0dx0a其它工具箱：x0dx0a統計工具箱(statistics toolbox)x0dx0a數學符號工具箱（symbolic math toolbox）x0dx0a定點工具箱（fixed-point toolbox）x0dx0a射頻工具箱（RF toolbox）x0dx0ax0dx0a1990年，MathWorks軟體公司為Matlab提供了新的控制系統模型化圖形輸入與模擬工具，並命名為Simulab，使得模擬軟體進入了模型化圖形組態階段，1992年正式命名為Simulink，即simu（模擬）和link（連接）。matlab7.0里的simulink為6.0版本，matlab6.5里的simulink為5.0版本。x0dx0ax0dx0aMATLAB的SIMULINK子庫是一個建模、分析各種物理和數學系統的軟體，它用框圖表示系統的各個環節，用帶方向的連線表示各環節的輸入輸出關系。x0dx0a啟動SIMULINK十分容易，只需在MATLAB的命令窗口鍵入「SIMULINK」命令，此時出現一個SIMULINK窗口，包含七個模型庫，分別是信號源庫、輸出庫、離散系統庫、線性系統庫、非線性系統庫及擴展系統庫。x0dx0a1.信號源庫x0dx0a包括階躍信號、正弦波、白雜訊、時鍾、常值、文件、信號發生器等各種信號源，其中信號發生器可產生正弦波、方波、鋸齒波、隨機信號等波形。x0dx0a2.輸出庫x0dx0a包括示波器模擬窗口、MATLAB工作區、文件等形式的輸出。x0dx0a3.離散系統庫x0dx0a包括五種標准模式：延遲，零-極點，濾波器，離散傳遞函數，離散狀態空間。x0dx0a4.線性系統庫x0dx0a提供七種標准模式：加法器、比例環節、積分環節、微分環節、傳遞函數、零-極點、狀態空間。x0dx0a5.非線性系統庫x0dx0a提供十三種常用標准模式：絕對值、乘法、函數、回環特性、死區特性、斜率、繼電器特性、飽和特性、開關特性等。x0dx0a6.系統連接庫包括輸入、輸出、多路轉換等模塊，用於連接其他模塊。x0dx0a7.系統擴展庫x0dx0a考慮到系統的復雜性，SIMULINK另提供十二種類型的擴展系統庫，每一種又有多種模型供選擇。x0dx0a使用時只要從各子庫中取出模型，定義好模型參數，將各模型連接起來，然後設置系統參數，如模擬時間、模擬步長、計算方法等。SIMULINK提供了Euler、RungeKutta、Gear、Adams及專用於線性系統的LinSim演算法，用戶根據模擬要求選擇適當的演算法。x0dx0ax0dx0a當然，不同版本的Matlab/Simulink內容有所不同。x0dx0ax0dx0a另外，Simulink還提供了諸如航空航天、CDMA、DSP、機械、電力系統等專業模塊庫，給快速建模提供了很大的便利。

8. 如何用MATLAB的神經網路工具箱實現三層BP網路

使用神經網路工具箱可以非常簡便地實現網路建立和訓練，實例代碼如下：

%%BP演算法
functionOut=bpnet(p,t,p_test)
%p,t為樣本需要提前組織好
globalS1
net=newff(minmax(p),[S1,8],{'tansig','purelin'},'trainlm');%trainlm訓練函數最有效
%net=newff(P,T,31,{'tansig','purelin'},'trainlm');%新版用法
net.trainParam.epochs=1000;
net.trainParam.goal=0.00001;
net.trainParam.lr=0.01;
net.trainParam.showWindow=false;%阻止訓練窗口的彈出
net.trainParam.showCommandLine=false;%阻止訓練窗口的彈出
net=train(net,p,t);
Out=sim(net,p_test);
end

上面的代碼不完整，完整的帶訓練樣本數據的程序見附件。