matlab的神经网络工具箱

2. Matlab问题 神经网络中将所有向量都量化到[-1,1]的范围内是哪种数据预处理方法

premnmx 是matlab神经网络工具箱里专门将原始数据归一化到[-1，1]之间的命令
这个在网页前侍漏谈并上很容易得到验证
它的具体做法是：
2*（p-pmin）/（pmax-pmin）-1
p是原始数据，pmax，pmin分别是原始数据的最大值和最小值

具体原理我不知道，但我知道这个公式就是matlab神慧烂经网络工具箱里使用的，将原始数据归一化到[-1，1]之间的专有命令

3. 需要把MATLAB中的BP神经网络工具箱与自己的一个软件项目结合

这个就是C++与matlab混合编程。但是神经网络工具箱比较特别，它反盗用比较严厉。采用回传统的混答编方式，可以调用matlab自己的函数，但无法成功调用神经网络工具箱。这一点在mathwork网站上也做了说明。

以C#为例，一般混编有四种方式：
（1）利用Matlab自身编译器，目的是将m文件转换为c或c++的源代码。
（2）利用COM或.NET组件技术。通过MATLAB中的Deploy tool工具将m文件编译成dll，然后在系统中调用。
（3）利用Mideva平台。没尝试过。
（4）利用MATLAB引擎技术。该方法相当于在.NET中运行MATLAB程序，获取其结果。优点是操作简单，过程简易。缺点是需要安装Matlab软件。

如果要调用神经网络工具箱，只有使用第四种方法，即引擎技术，其他方法都不可行。这种混编方式仅仅传递参数，因此不涉及到神经网络工具箱的代码，也就没有了防盗用限制。

4. matlab 有没有模糊神经网络工具箱

有，工具箱名称：anfisedit，以下是一些使用说明。
1． GUI工具
Anfisedit 打开ANFIS编辑内器GUI、Fuzzy 调用容基本FIS编辑器、Mfedit 隶属度函数编辑器、Ruleedit 规则编辑器和语法解析器、Ruleview 规则观察器和模糊推理方框图、Surfview输出曲面观察器
2． 隶属度函数
dsigmf 两个sigmoid型隶属度函数之差组成的隶属度函数、gauss2mf 建立两边型高斯隶属度函数、gaussmf 建立高斯曲线隶属度函数、gbellmf 建立一般钟型隶属度函数、pimf 建立Π型隶属度函数、psigmf 通过两个sigmoid型隶属度函数的乘积构造隶属度函数、smf 建立S-型隶属度函数、sigmf
建立Sigmoid型隶属度函数、trapmf 建立梯形隶属度函数、trimf 建立三角形隶属度函数、zmf 建立Z-型隶属度函数

5. matlab工具箱中的神经网络和遗传算法要怎么调用

都是有两种调用抄方法，一种图形界面的，这个从开始菜单，然后工具，然后从里面找神经网络 neural network，遗传算法工具是 全局优化工具箱里面的，global optimization。
另外 一种通过命令行调用，这个需要你理解你都要做什么，我用神经网络举例。第一步需要先整理出输入变量和输出变量，第二步设计并初始化神经网络，第三部训练，第四部获得结果。
如果你想结合这两者，就会更加复杂，详细的你可以再问。我曾经做过用遗传算法优化神经网络的工具。

6. 你好，请问你知道在matlab神经网络工具箱里，学习率在哪里设置吗

lr就是学习率，performance是主要指标，你在程序里写的goal就是MSE，决定最后精度的。

%%BP算法
functionOut=bpnet(p,t,p_test)
globalS1
net=newff(minmax(p),[S1,8],{'tansig','purelin'},'trainlm');%trainlm训练函数最有版效
%net=newff(P,T,31,{'tansig','purelin'},'trainlm');%新版用权法
net.trainParam.epochs=1000;
net.trainParam.goal=0.00001;
net.trainParam.lr=0.01;%这是学习率
net=train(net,p,t);
Out=sim(net,p_test);
end

7. 如何使用matlab中的工具箱

如果是系统自带的，你可以直接用，如果是外部的或者是自编的你需要先把文件夹拷贝到tools文件夹下，再设置路径。x0dx0aMatlab常用工具箱介绍(英汉对照)x0dx0aMatlab Main Toolbox——matlab主工具箱x0dx0aControl System Toolbox——控制系统工具箱x0dx0aCommunication Toolbox——通讯工具箱x0dx0aFinancial Toolbox——财政金融工具箱x0dx0aSystem Identification Toolbox——系统辨识工具箱x0dx0aFuzzy Logic Toolbox——模糊逻辑工具箱x0dx0aHigher-Order Spectral Analysis Toolbox——高阶谱分析工具箱x0dx0aImage Processing Toolbox——图象处理工具箱x0dx0aLMI Control Toolbox——线性矩阵不等式工具箱x0dx0aModel predictive Control Toolbox——模型预测控制工具箱x0dx0aμ-Analysis and Synthesis Toolbox——μ分析工具箱x0dx0aNeural Network Toolbox——神经网络工具箱x0dx0aOptimization Toolbox——优化工具箱x0dx0aPartial Differential Toolbox——偏微分方程工具箱x0dx0aRobust Control Toolbox——鲁棒控制工具箱x0dx0aSignal Processing Toolbox——信号处理工具箱x0dx0aSpline Toolbox——样条工具箱x0dx0aStatistics Toolbox——统计工具箱x0dx0aSymbolic Math Toolbox——符号数学工具箱x0dx0aSimulink Toolbox——动态仿真工具箱x0dx0aSystem Identification Toolbox——系统辨识工具箱x0dx0aWavele Toolbox——小波工具箱x0dx0ax0dx0a例如：控制系统工具箱包含如下功能：x0dx0a连续系统设计和离散系统设计x0dx0a状态空间和传递函数以及模型转换x0dx0a时域响应（脉冲响应、阶跃响应、斜坡响应）x0dx0a频域响应（Bode图、Nyquist图）x0dx0a根轨迹、极点配置x0dx0ax0dx0a较为常见的matlab控制箱有：x0dx0ax0dx0a控制类：x0dx0ax0dx0a控制系统工具箱(control systems toolbox)x0dx0a系统识别工具箱（system identification toolbox）x0dx0a鲁棒控制工具箱（robust control toolbox）x0dx0a神经网络工具箱（neural network toolbox）x0dx0a频域系统识别工具箱（frequency domain system identification toolbox）x0dx0a模型预测控制工具箱（model predictive control toolbox）x0dx0a多变量频率设计工具箱（multivariable frequency design toolbox）x0dx0ax0dx0a信号处理类：x0dx0a信号处理工具箱（signal processing toolbox）x0dx0a滤波器设计工具箱（filter design toolbox）x0dx0a通信工具箱（communication toolbox）x0dx0a小波分析工具箱（wavelet toolbox）x0dx0a高阶谱分析工具箱（higher order spectral analysis toolbox）x0dx0ax0dx0a其它工具箱：x0dx0a统计工具箱(statistics toolbox)x0dx0a数学符号工具箱（symbolic math toolbox）x0dx0a定点工具箱（fixed-point toolbox）x0dx0a射频工具箱（RF toolbox）x0dx0ax0dx0a1990年，MathWorks软件公司为Matlab提供了新的控制系统模型化图形输入与仿真工具，并命名为Simulab，使得仿真软件进入了模型化图形组态阶段，1992年正式命名为Simulink，即simu（仿真）和link（连接）。matlab7.0里的simulink为6.0版本，matlab6.5里的simulink为5.0版本。x0dx0ax0dx0aMATLAB的SIMULINK子库是一个建模、分析各种物理和数学系统的软件，它用框图表示系统的各个环节，用带方向的连线表示各环节的输入输出关系。x0dx0a启动SIMULINK十分容易，只需在MATLAB的命令窗口键入“SIMULINK”命令，此时出现一个SIMULINK窗口，包含七个模型库，分别是信号源库、输出库、离散系统库、线性系统库、非线性系统库及扩展系统库。x0dx0a1.信号源库x0dx0a包括阶跃信号、正弦波、白噪声、时钟、常值、文件、信号发生器等各种信号源，其中信号发生器可产生正弦波、方波、锯齿波、随机信号等波形。x0dx0a2.输出库x0dx0a包括示波器仿真窗口、MATLAB工作区、文件等形式的输出。x0dx0a3.离散系统库x0dx0a包括五种标准模式：延迟，零-极点，滤波器，离散传递函数，离散状态空间。x0dx0a4.线性系统库x0dx0a提供七种标准模式：加法器、比例环节、积分环节、微分环节、传递函数、零-极点、状态空间。x0dx0a5.非线性系统库x0dx0a提供十三种常用标准模式：绝对值、乘法、函数、回环特性、死区特性、斜率、继电器特性、饱和特性、开关特性等。x0dx0a6.系统连接库包括输入、输出、多路转换等模块，用于连接其他模块。x0dx0a7.系统扩展库x0dx0a考虑到系统的复杂性，SIMULINK另提供十二种类型的扩展系统库，每一种又有多种模型供选择。x0dx0a使用时只要从各子库中取出模型，定义好模型参数，将各模型连接起来，然后设置系统参数，如仿真时间、仿真步长、计算方法等。SIMULINK提供了Euler、RungeKutta、Gear、Adams及专用于线性系统的LinSim算法，用户根据仿真要求选择适当的算法。x0dx0ax0dx0a当然，不同版本的Matlab/Simulink内容有所不同。x0dx0ax0dx0a另外，Simulink还提供了诸如航空航天、CDMA、DSP、机械、电力系统等专业模块库，给快速建模提供了很大的便利。

8. 如何用MATLAB的神经网络工具箱实现三层BP网络

使用神经网络工具箱可以非常简便地实现网络建立和训练，实例代码如下：

%%BP算法
functionOut=bpnet(p,t,p_test)
%p,t为样本需要提前组织好
globalS1
net=newff(minmax(p),[S1,8],{'tansig','purelin'},'trainlm');%trainlm训练函数最有效
%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;%阻止训练窗口的弹出
net.trainParam.showCommandLine=false;%阻止训练窗口的弹出
net=train(net,p,t);
Out=sim(net,p_test);
end

上面的代码不完整，完整的带训练样本数据的程序见附件。