matlab7.0做BP神經(jīng)網(wǎng)絡預測，精度怎么看？應該是點performance那個按鈕，顯示一個誤差下降曲線圖。事實上，不需過分關注這條曲線，除非是研究改進算法提高收斂速度的。一般關注網(wǎng)絡的實際訓練

matlab7.0做BP神經(jīng)網(wǎng)絡預測，精度怎么看？

應該是點performance那個按鈕，顯示一個誤差下降曲線圖。事實上，不需過分關注這條曲線，除非是研究改進算法提高收斂速度的。一般關注網(wǎng)絡的實際訓練效果，以及實際應用能力，如預測能力等。BP（Back Propagation）神經(jīng)網(wǎng)絡是1986年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡，是目前應用最廣泛的神經(jīng)網(wǎng)絡模型之一。BP網(wǎng)絡能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數(shù)學方程。

它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡的權(quán)值和閾值，使網(wǎng)絡的誤差平方和最小。BP神經(jīng)網(wǎng)絡模型拓撲結(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)絡預測代碼？

在matlab中，樣本是以列的排列的，即一列對應一個樣本。

如果你的樣本無誤的話，就是一個輸入8輸出2的神經(jīng)網(wǎng)絡。作圖直接用plot函數(shù)。參考附件的代碼，這是一個電力負荷預測例子，也是matlab編程。BP（Back Propagation）神經(jīng)網(wǎng)絡是是一種按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡，是目前應用最廣泛的神經(jīng)網(wǎng)絡模型之一。BP網(wǎng)絡能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數(shù)學方程。它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡的權(quán)值和閾值，使網(wǎng)絡的誤差平方和最小。BP神經(jīng)網(wǎng)絡模型拓撲結(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)是簡單的超復數(shù)。 復數(shù)是由實數(shù)加上虛數(shù)單位 i 組成，其中i^2 -1。 相似地，四元數(shù)都是由實數(shù)加上三個虛數(shù)單位 i、j、k 組成，而且它們有如下的關系： i^2 j^2 k^2 -1， i^0 j^0 k^0 1 , 每個四元數(shù)都是 1、i、j 和 k 的線性組合，即是四元數(shù)一般可表示為a bk cj di，其中a、b、c 、d是實數(shù)。

對于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)。