matlab7.0做BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)，精度怎么看？應(yīng)該是點(diǎn)performance那個(gè)按鈕，顯示一個(gè)誤差下降曲線(xiàn)圖。事實(shí)上，不需過(guò)分關(guān)注這條曲線(xiàn)，除非是研究改進(jìn)算法提高收斂速度的。一般關(guān)注網(wǎng)絡(luò)的實(shí)際訓(xùn)練

matlab7.0做BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)，精度怎么看？

應(yīng)該是點(diǎn)performance那個(gè)按鈕，顯示一個(gè)誤差下降曲線(xiàn)圖。事實(shí)上，不需過(guò)分關(guān)注這條曲線(xiàn)，除非是研究改進(jìn)算法提高收斂速度的。一般關(guān)注網(wǎng)絡(luò)的實(shí)際訓(xùn)練效果，以及實(shí)際應(yīng)用能力，如預(yù)測(cè)能力等。BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McCelland為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。

它的學(xué)習(xí)規(guī)則是使用最速下降法，通過(guò)反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層（input）、隱層(hidden layer)和輸出層(output layer)。

bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)代碼？

在matlab中，樣本是以列的排列的，即一列對(duì)應(yīng)一個(gè)樣本。

如果你的樣本無(wú)誤的話(huà)，就是一個(gè)輸入8輸出2的神經(jīng)網(wǎng)絡(luò)。作圖直接用plot函數(shù)。參考附件的代碼，這是一個(gè)電力負(fù)荷預(yù)測(cè)例子，也是matlab編程。BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過(guò)反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層（input）、隱層(hidden layer)和輸出層(output layer)。

求助四元數(shù)具體用法，有matlab程序最好？

四元數(shù)是簡(jiǎn)單的超復(fù)數(shù)。 復(fù)數(shù)是由實(shí)數(shù)加上虛數(shù)單位 i 組成，其中i^2 -1。 相似地，四元數(shù)都是由實(shí)數(shù)加上三個(gè)虛數(shù)單位 i、j、k 組成，而且它們有如下的關(guān)系： i^2 j^2 k^2 -1， i^0 j^0 k^0 1 , 每個(gè)四元數(shù)都是 1、i、j 和 k 的線(xiàn)性組合，即是四元數(shù)一般可表示為a bk cj di，其中a、b、c 、d是實(shí)數(shù)。

對(duì)于i、j、k本身的幾何意義可以理解為一種旋轉(zhuǎn)，其中i旋轉(zhuǎn)代表X軸與Y軸相交平面中X軸正向向Y軸正向的旋轉(zhuǎn)，j旋轉(zhuǎn)代表Z軸與X軸相交平面中Z軸正向向X軸正向的旋轉(zhuǎn)，k旋轉(zhuǎn)代表Y軸與Z軸相交平面中Y軸正向向Z軸正向的旋轉(zhuǎn)，-i、-j、-k分別代表i、j、k旋轉(zhuǎn)的反向旋轉(zhuǎn)。