bp神经网络需要什么软件

㈠ 这种写法的bp神经网络，可以用哪个版本的，matlab运行，不报错！

在MATLAB的command window里输出命令

nnstart
即可调用其自带的神经网络工具箱向导。首先根据你要解决的问题选择合适的神经网络，这里以运用的最多的模式识别举例。选择pattern recognition app

㈡ BP神经网络用什么软件可以实现

MATLAB！ 编个程序就能实现的，而且MATLAB 有自带的神经网络工具箱。

㈢ 什么是BP神经网络

BP算法的基本思想是：学习过程由信号正向传播与误差的反向回传两个部分组成；正向传播时，输入样本从输入层传入，经各隐层依次逐层处理，传向输出层，若输出层输出与期望不符，则将误差作为调整信号逐层反向回传，对神经元之间的连接权矩阵做出处理，使误差减小。经反复学习，最终使误差减小到可接受的范围。具体步骤如下：
1、从训练集中取出某一样本，把信息输入网络中。
2、通过各节点间的连接情况正向逐层处理后，得到神经网络的实际输出。
3、计算网络实际输出与期望输出的误差。
4、将误差逐层反向回传至之前各层，并按一定原则将误差信号加载到连接权值上，使整个神经网络的连接权值向误差减小的方向转化。
5、対训练集中每一个输入—输出样本对重复以上步骤，直到整个训练样本集的误差减小到符合要求为止。

㈣ 什么是BP神经网络

BP网络是一种神经网络学习算法。其由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。相邻层之间各神经元进行全连接，而每层各神经元之间无连接，网络按有教师示教的方式进行学习，当一对学习模式提供给网络后，各神经元获得网络的输入响应产生连接权值（Weight）。然后按减小希望输出与实际输出误差的方向，从输出层经各中间层逐层修正各连接权，回到输入层。此过程反复交替进行，直至网络的全局误差趋向给定的极小值，即完成学习的过程。
找个神经网络软件，如NeuroSolutions或迈实神经网络软件，边操作边学习，会更好的理解神经网络。

㈤ 搭建神经网络用什么软件

用Matlab就可以了， 里面有神经网络的工具箱很方便的。

㈥ 除了MATLAB能做BP神经网络，还有其他什么软件能做

在我看来bp神经网络是一种算法，只要是算法就可以用任何软件工具（只要编译器或者解释器支持，c，c++，python，matlab......）来进行实现，只是实现时的复杂程度有区别而已

㈦ bp神经网络 matlab

可以做，示例如下，是拟合一个6输入1输出的函数：

在matlab2013b里运行。必须有神经网络工具箱。

clearall;closeall;

x=[123456789;123212112;...
133455542;211221221;...
111222231;121221211];
t=[133455542];

net=feedforwardnet(10);%隐层节点数
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 关于matlab的BP神经网络：

比较新的版本，比如说matlab 2010以上的，都不需要装神经网络的工具箱
建立网络步骤：
1、数据归一化：输入的数据通常为P,输出数据通常为T，数据格式为：每列对应一个样本，归一化常用函数：mapminmax
[pn,ps]=mapminmax(p); [tn,ts]=mapminmax(t)
pn,tn是归一化后的数据，ps, ts是归一化的结构体，在后面反归一化预测值很有用。
2、建立网络并设定参数
net=newff(pn,tn,[ ]) 中括号里面的是输入层数，隐含神经元数，输出层数，还可以设定节点传递函数等等的参数
net.trainparam.epochs=1000 训练的次数
net.trainparam.goal=0.0001 训练的误差目标值
net.trainparam.lr=0.1 学习速率，通常在0到1之间，过大过小都不好
3、预测并分析
an=sim(net, pn)
ouput=mapminmax('reverse', an, ts) 根据之前归一化的标准，对预测结果进行反归一化，得到结果
error=output-t 这里是对误差进行输出，也可以用error=sum(asb(output-t))
当然也可以作图，比如说：
plot(p,t,'-o')
hold on
plot(p, output,'-*')
看预测值和真实值能否吻合
还可以在神经网络训练完成后的对话框中看MSE和R方
还有很多方法提高神经网络的精度，以上程序没有经过MATLAB调试，但大致过程如上

纯手打，希望采纳！

㈨ BP神经网络代码用什么实现

BP算法，只是一种算法，用任何语言都能实现。
Matlab有神经网络工具箱，提供已经封装好的：网络建立函数newff、训练函数train，省去了自己编写代码的麻烦，你可以考虑。

BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。