输入神经网络的数据类型要求,神经网络数据格式

神经网络怎么让每个神经元是一个向量

每个神经元对应向量的一维，输入神经元对应输入向量，输出神经元对应输出向量。如果用MATLAB建立神经网络，则样本的形式为：矩阵的一列为一个样本，即一个输入向量。

如果用BP神经网络，则使用newff函数。格式为：net=newff(PR,[S1S2],{TF1},BTF,BLF,PF），函数newff建立一个可训练的前馈网络。

输入参数说明：PR：Rx2的矩阵以定义R个输入向量的最小值和最大值；Si：第i层神经元个数；TFi：第i层的传递函数，默认函数为tansig函数；BTF：训练函数，默认函数为trainlm函数；BLF：权值/阀值学习函数，默认函数为learngdm函数；PF：性能函数，默认函数为mse函数。

谷歌人工智能写作项目：神经网络伪原创

BP神经网络输入输出格式问题

在你的代码基础上说了AI发猫。clc;clear;closeall;p=load('');%你问题最后说的数据文件名跟这个不同。

p1=p';t=[1];%这个输出（Targets）应该和输入数据对应，输入数据有10个，输出应该也是10个所以改为t是一个1x10的行向量。

matlab中神经网络的学习函数有哪些？类似learngdm的，及其调用格式？

学习函数主要包括：BP学习规则learngd，带动量项的BP学习规则learngdm。一般默认即可，如果需要设置，则在建立网络newff函数的参数中确定。

学习函数和训练函数的区别：学习函数的输出是权值和阈值的增量，训练函数的输出是训练好的网络和训练记录，在训练过程中训练函数不断调用学习函数修正权值和阈值，通过检测设定的训练步数或性能函数计算出的误差小于设定误差，来结束训练。

或者这么说：训练函数是全局调整权值和阈值，考虑的是整体误差的最小。学习函数是局部调整权值和阈值，考虑的是单个神经元误差的最小。

神经网络中为什么要用minmax(trainP)，也就是说为什么每一行都要找出最大值和最小值？

newff函数的格式为：net=newff(PR,[S1S2],{TF1},BTF,BLF,PF），函数newff建立一个可训练的前馈网络。

这里的PR可以通过minmax(trainP)来快捷的实现，免去了手动生成threshold的麻烦。

神经网络归一化问题

。

应该用之前训练样本的最大值和最小值，这样才能保证前后一致，语句为[Ptestn]=tramnmx(Ptest,minp,maxp);在最新版的matlab里面的归一化函数：mapminmax()，可以归一化到[-1，1]范围。

mapstd函数是按统计规律进行归一化的，不太常用。

各自的归一化格式如下：[pn,ps]=mapminmax(P)或=mapstd(P)%P是输入向量[tn,ts]=mapminmax(t)或＝mapstd(t)%t是目标向量在训练完后，对测试样本归一化格式为：pnt=mapminmax('apply',pt,ps)或＝mapstd('apply',pt,ps)仿真后反归一化格式则为：out=mapminmax('reverse',An,ts)或=mapstd('reverse',An,ts)；其中An为sim函数的输出。

神经网络样本mat文件怎样生成？

mat数据格式是matlab的数据存储的标准格式。你可以调用matlab的子程序库，用c或fortan调用mat格式的数据。

我给你几个函数名matopen打开mat文件matclose关闭mat文件magetfp取得mat文件的c语言句柄matGetArray取得一个数组。