这个 我可以帮你写啊 ，怎么联系你啊 BP网络 我精通

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;)% 当前输入层权值和阈值inputWeights=net_1.IW{1,1}inputbias=net_1.b{1}% 当前网络层权值和阈值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);% 对 BP 网络进行仿真A = sim(net_1,P);% 计算仿真误差 E = T - A;MSE=mse(E)x=[。。。]#39;;%测试sim(net_1,x) %%参考来自：

参考 matlab神经网络30例 中有一个股票预测的案例我觉得svm做这个更好

P=[];‘输入，开盘价，最高价，最低价，收盘价成交量依次5天的数据’T=[];’输出，即第二日的收盘’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，根据需要可自行调节’net.trainParam.goal=0.01; ‘误差’net.trainParam.lr=0.01; ‘学习率’net=train(net,P,T); ‘训练网络’test=[];‘待预测数据输入’out=sim(net,test); ‘仿真预测’我的这个程序没有进行初始化，你还需要先将数据进行初始化后才能算。

感知器你知道么，如果不知道，建议你买《人工神经网络原理》马锐著，看完70页你就会了。里边也有你这个问题的设计思路。用c语言matlab都能编，如果有问题，请留言，想问下你是什么专业？

咨询下华中炒股软件

scfd

matlab。。。。。。。。。。。。。

目前没触过。。。

来自：求助得到的回答

网络的训练过程与使用过程了两码事。比如BP应用在分类，网络的训练是指的给你一些样本，同时告诉你这些样本属于哪一类，然后代入网络训练，使得这个网络具备一定的分类能力，训练完成以后再拿一个未知类别的数据通过网络进行分类。这里的训练过程就是先伪随机生成权值，然后把样本输入进去算出每一层的输出，并最终算出来预测输出（输出层的输出），这是正向学习过程；最后通过某种训练算法（最基本的是感知器算法）使得代价（预测输出与实际输出的某范数）函数关于权重最小，这个就是反向传播过程。您所说的那种不需要预先知道样本类别的网络属于无监督类型的网络，比如自组织竞争神经网络。

原创的Q我索取

你得先准备大量数据包括：输入变量和输出变量。要有很多组才能建立准确的模型，可以用matlab编下试试，我也是刚学。

这是神马东东啊

没有听说过。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

追问

- -那你还回答。我还以为有人帮我了呢

标签： #bp节点股票