windows使用，先用import，将数据分别放入 inputs和targets导入数据然后按NEW NETWORK选择结构，选择Feedforward Backprop，确定Number of Layers网络层数，在下面确定每层节点数，然后选择下函数logsig ，purelin，tansig；矩阵pr为矩阵p的归一化 goal矩阵为pr矩阵对应的输出矩阵 net是建立的BP网络 y是矩阵x对应的输出 p1和p2不能单独来看，它俩合并后才是输入你得先学一下matlab基础，代码得看懂才能做神经网络。

程序一GA训练BP权值的主函数 function net=GABPNETXX，YY % 使用遗传算法对BP网络权值阈值进行优化，再用BP算法训练网络 %数据归一化预处理 nntwarn off XX=119220321422#39 YY=14 XX=；newrbe是设计精确的径向基神经网络的函数，用法如P = 1 2 3%输入 T = 20 41 59%目标 net = newrbeP，T%生成神经网络 其算法是生成的网络有2层，第一层是radbas神经元，用dist计算加权输入。

gca 返回当前axes对象的句柄值 gco 返回当前鼠标单击的句柄值，该对象可以是除root对象外的任意图形对象，并且Matlab会把当前图形对象的句柄值存放在Figure的CurrentObject属性中五compet compet是神经网络的竞争传递函数，用于；在matlab命令窗口中，输入nnstart %回车后就会弹出神经网络工具箱主窗口。

matlab神经网络sim函数

精度是自己设定的，是那个水平的直线，这里的神经网络没有best曲线，就是个goal和training两条的是训练过程中的误差曲线，表示经过X次训练，感知器输出达到目标值，也就是感知器的输出已经和目标向量一致了每一代BP训练过。

如何看MATLAB运行神经网络的结果 从图中Neural Network可以看出，你的网络结构是两个隐含层，2311结构的网络，算法是traindm，显示出来的误差变化为均方误差值mse经过482次迭代循环完成训练，耗时5秒相同计算精度的话。

matlab 带有神经网络工具箱，可直接调用，建议找本书看看，或者MATLAB论坛找例子核心调用语句如下数据输入 选连样本输入输出数据归一化 inputn，inputps=mapminmaxinput_trainoutputn，outputps=mapminmaxoutput_train。

matlab神经网络训练函数

1、常见的有大概三十个吧，包括BPRBFSVMSOMHopfieldLVQElman小波等神经网络还包含PSO粒子群灰色神经网络模糊网络概率神经网络遗传算法优化等。

2、代表检验这个网络的训练结果mse表示均方差，当然越小越好但是这与你训练样本的多少，训练次数都有很大关系这个其实没有统一的标准，任何人都知道0偏差当然是最好但是根绝神经网络本身致命的缺陷，由于它是迭代收敛逼近。

3、仿真未经训练的网络net并画图 y1=simnet，xplotx，y1，#39#39采用LM优化算法 nettrainFcn=#39trainlm#39设置训练算法 =500=10^6调用相应算法训练BP网络 net，tr，=。

4、先用newff函数建立网络，再用train函数训练即可1正向传播输入样本－输入层－各隐层处理－输出层 注1若输出层实际输出与期望输出教师信号不符，则转入2误差反向传播过程2误差反向传播输出误差。

5、这个窗口是显示训练详细情况的最上面的图形显示的是神经网络的结构图，可知有3个隐层第二部分显示的是训练算法，这里为学习率自适应的梯度下降BP算法误差指标为MSE第三部分显示训练进度epoch为迭代次数，time为训练。

6、net=newffpr，3，2，#39logsig#39，#39logsig#39 %创建 一个bp 神经网络 = 10 %显示训练迭代过程 = 005 %学习速率0，05 = 1e10 %。