1. matlab bp神经网络工具箱训练几次就停止
1单击Apps，在搜索框中输入neu，下方出现了所有神经网络工具箱。neuralnetfitting是我们要使用的神经网络拟合工具箱。 2 在下界面中点击next 3 单击loadexampledataset，得到我们需要的测试数据。 4 单击import 5 单击next 6 单击next 7 数字“10”表示有10个隐含层。单击next。 8 单击train，开始训练。 9 训练过程跳出的小窗口。 10 训练结果。其中MSE表示均方差，R表示相关系数。单击next。 11 这里可以调整神经网络，也可以再次训练。单击next。 12 在这里，可以保存结果。如果不需要，直接finish。
2. matlab bp神经网络工具箱中文
1、样本数据太少，用BP网络预测可能并非好选择。说不定用一般的回归分析效果更好。
2、要对Y进行预测，需要知道2015年的影响因素X1~X7才行吧？
3. matlab bp神经网络工具箱生成的
a=sim(net,x)
说实话我也菜鸟级别，你看一下最后这个函数能不能用：
其中“a”自己随便可以设的，其实就是个代表返回值
“net”换成你训练好的函数，
“x”换成你的输入矩阵
4. matlab bp神经网络工具箱
使用神经网络工具箱可以非常简便地实现网络建立和训练，实例代码如下：；
%% BP算法function Out=bpnet(p,t,p_test)%p,t为样本需要提前组织好global S1net=newff(minmax(p),[S1,8],{'tansig','purelin'},'trainlm')
; %trainlm训练函数最有效%net=newff(P,T,31,{'tansig','purelin'},'trainlm')
;%新版用法net.trainParam.epochs=1000;net.trainParam.goal=0.00001;net.trainParam.lr=0.01;net.trainParam.showWindow = false; %阻止训练窗口的弹出net.trainParam.showCommandLine = false; %阻止训练窗口的弹出net=train(net,p,t)
;Out=sim(net,p_test)
;end；上面的代码不完整，完整的带训练样本数据的程序见附件。
5. matlab bp神经网络工具箱卸载
直接在matlab的脚本中用鼠标选中要删除的部分，然后按delete键即可。
6. matlab bp神经网络工具箱误差怎么降低
方法一、用数据拟合工具箱 Curve Fitting Tool左侧results为拟合结果，下方表格为误差等统计数据。2、导入数据，点击next，导入Inputs为x，Targets为y。神经网络工具箱可以用command写，请搜索关键字matlab 神经网络工具箱函数。方法三、用polyfit函数写 polyfit函数是matlab中用于进行曲线拟合的一个函数。其数学基础是最小二乘法曲线拟合原理。曲线拟合：已知离散点上的数据集，即已知在点集上的函数值，构造一个解析函数（其图形为一曲线）使在原离散点上尽可能接近给定的值。 调用方法：a=polyfit(xdata,ydata,n)， 其中n表示多项式的最高阶数，xdata，ydata为将要拟合的数据，它是用数组的方式输入。输出参数a为拟合多项式 y=a1x^n+...+anx+a,共n+1个系数。方法四、自行写算法做拟合 请参考数值分析教科书，拟合、插值方法较多，算法并不复杂，灵活套用循环即可
7. matlab bp神经网络工具箱拟合
在matlab中根据拟合图得到函数步骤如下：；
1、常用的模型有多项式模型、幂函数模型、指数函数模型等。；
2、设出函数，用命令“plot”绘出图像作为对比。；
3、准备好散点数据，用命令“plot”绘出散点作为对比。；
4、调用函数“fit”，参数包括散点数据和曲线拟合模型。；
5、按回车键即可完成曲线拟合，p1、p2、p3为多项式前面的系数。