㈠ 我在使用MATLAB進行BP神經網路演算法時，運行提示錯誤使用input，輸入參數的項目不足，求大神指點
newff（）使用格式有錯誤。
將這句命令net=newff(minmax(inputn,outputn,5)
改為下列形式
net=newff(minmax(inputn),[10 1]，{'tansig','purelin'})
㈡ BP神經網路在預測時輸入與輸出的個數不匹配的問題
你用的是Demux模塊，錯誤的原因是輸入和輸出信號的維數不匹配。
Demux模塊的基本作用是把一個輸入信號給展開成多個輸出信號，有兩種工作模式，即向量模式和匯流排選擇（Bus selection）模式，取決於你是否選中了Bus selection mode參數（注意：MathWorks公司不鼓勵使用Bus selection模式來展開匯流排信號）。猜測你很可能是按照默認情況下使用向量模式，所以下面的討論以向量模式為前提。
Demux模塊的參數Number of outputs可以是標量或向量，如果是標量，則指定了輸出的個數；如果是向量，則向量的元素個數對應輸出個數。關於該參數的詳細規定可以用doc demux查看相關文檔。
可能導致出錯的主要有以下兩種情況（其他條件下，Simulink會採取一種比較合理的方式來理解你的輸入參數）：
如果Number of outputs為標量，該標量的值大於輸入向量的元素個數；
如果Number of outputs為向量，向量各元素均為正且求和與輸入向量的元素個數不等。
㈢ Matlab BP神經網路預測錯誤，怎麼辦
Matlab BP神經網路預測錯誤的原因可能有下列因素：
1、數據本身問題
2、訓練參數不夠合理
所以，題主應從上述因素去改進。
㈣ 急求BP神經網路演算法應用於異常數據識別，用java實現！！！
BP（Back Propagation）神經網路是86年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆傳播演算法訓練的多層前饋網路，是目前應用最廣泛的神經網路模型之一。BP網路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學方程。它的學習規則是使用最速下降法，通過反向傳播來不斷調整網路的權值和閾值，使網路的誤差平方和最小。BP神經網路模型拓撲結構包括輸入層（input）、隱層(hidden layer)和輸出層(output layer)。
附件是一個應用BP神經網路進行數據分類的java例子，可供參考。
㈤ matlab BP神經網路在測試的時候總是顯示有問題，求解答原因
第一句錯誤
應該是你
的輸入向量
維數
不一致導致，也可能是別的原因，你沒有貼出來我只能猜測，第二句你說是保存數據，我一般用的語句是，save
，由於你第一句錯誤導致模擬數據沒保存所以fopen這句由於找不到數據也出錯。
㈥ bp神經網路遇到新的數據，就預測不準，怎麼弄
預測數據的話BP不是特別好用，最好用Elman反饋神經網路或者RNN循環神經網路，這些有記憶功能的網路比較好用。bp主要和你選擇的隱含層數，和誤差范圍，學習率有關。你可以調節相關參數來改變神經網路，獲得更精確的結果。
㈦ BP神經網路輸出層的輸入信號問題
閾值肯定是要包含進來的，閾值的作用就是控制神經元的激活或抑制狀態。神經網路是模仿大腦的神經元，當外界刺激達到一定的閥值時，神經元才會受刺激，影響下一個神經元。
簡單說來是這樣的：超過閾值，就會引起某一變化，不超過閾值，無論是多少，都不產生影響。
閾值又叫臨界值，是指一個效應能夠產生的最低值或最高值。
閾值又稱閾強度，是指釋放一個行為反應所需要的最小刺激強度。低於閾值的刺激不能導致行為釋放。在反射活動中，閾值的大小是固定不變的，在復雜行為中，閾值則受各種環境條件和動物生理狀況的影響。當一種行為更難於釋放時，就是閾值提高了；當一種行為更容易釋放時，就是閾值下降了。
㈧ 我是MATLAB初學者，學習BP神經網路編程，出現錯誤，求大神詳細指導。
[net,a,e]=adapt(net,p,t); %adapt
出錯
輸入和輸出的維度應該一致
p是20*10 t卻只有7 顯然匹配不上。。。
㈨ BP神經網路數據分類總出錯。
你的數據矩陣的組織出問題了，你設置的網路輸入神經元和你每次輸入的數據這塊有矛盾，可以嘗試先再減少數據量去做，這里有可能用到轉職，然後再加大數據量，這樣去組織數據
㈩ 本人新手，在做BP神經網路的時候遇到了一個問題
不知你是不是用matlab的神經網路工具箱，因為一般神經網路都是成批處理的，每一次調整都會綜合所有樣本的誤差進行調整，而不是一類一類圖片的去調整，所以不會出現你說的現象。目前我看過的很多C++或者其它語言自己寫的神經網路，都會有這樣或那樣的理解錯誤，建議先使用現成的matlab的神經網路工具箱進行訓練。
另外是輸入的問題，圖象一般會先提取特徵，再將特徵作為輸入。你在貼吧也提問了吧，這個我在貼吧里也回答了。
輸出的問題，一般模式識別會用 0 1向量來代表，例如你有三類，目標輸出應該是[ 0 1 0]這樣，來代表它是第2類， 訓練的時候用 0 1 0，當然，預測到的可能是[ 0.1 0.9 0.1]這樣。
這是我所想到的問題，樓主看看是不是這樣一回事。
下面是我的一些建議：
改為用神經網路工具箱。
借鑒《 MATLAB神經網路原理與實例精解 》里的 基於概率神經網路的手寫體數字識別 ，對圖象作預處理。
參考2012Bmatlab R2012b oolbox net ndemos下的classify_crab_demo例子。調用patternnet建立模式識別網路。
可以到 《神經網路之家》 學習神經網路。