Question

神经网络预测程序

各位xdjm们，哪位有神经网络预测程序的代码，能否发给我一份~~最好是c,c++或者c#的~要能跑得起来的程序，不要那种随便从网上下的~~先谢过了
如果代码好我会追加分数的
麻烦发到我邮箱吧 243552747@qq.com
matlab也可以~

Answer 1

我一直用这个程序，觉得还可以，你试试吧，不过需要你自己根据数据来设置相应的参数~~
close all ;
clear ;
echo on ;
clc ;
% NEWFF——生成一个新的前向神经网络
% TRAIN——对 BP 神经网络进行训练
% SIM——对 BP 神经网络进行仿真
pause
% 敲任意键开始
clc
% 定义训练样本
% P 为输入矢量
p=[ ];
% T 为目标矢量
t= [];
%训练样本的归一化
for i=1:（训练样本的指标数）
P(i,:)=(p(i,:)-min(p(i,:)))/(max(p(i,:))-min(p(i,:)));
end
pause
clc

% 创建一个新的前向神经网络
net=newff(minmax(P),[15,2],{'tansig','purelin'},'traingda'); %这些参数要自己设置
% 当前输入层权值和阈值
inputWeights=net.IW{1,1};
inputbias=net.b{1} ;
% 当前网络层权值和阈值
layerWeights=net.LW{2,1} ;
layerbias=net.b{2} ;
pause
clc

% 设置训练参数 也要自己设置
net.trainParam.show = 50;
net.trainParam.lr = 0.05;
%net.trainParam.mc = 0.9; % 附加动量因子
net.trainParam.epochs =5000;
net.trainParam.goal = 1e-4;
pause
clc

% 调用 TRAINGDM 算法训练 BP 网络
[net,tr]=train(net,P,t);
pause
clc
% 对 BP 网络进行仿真
p_test=[];
for i=1:6
P_test(i,:)=(p_test(i,:)-min(p_test(i,:)))/(max(p_test(i,:))-min(p_test(i,:)));
end
t_test=[];
A = sim(net,P_test)
% 计算仿真误差
E = t - A
error=mse(E)
pause
clc
echo off

%反归一化
for i=1:2
predict(i,:)=A(i,:)*(max(t(i,:))-min(t(i,:)))+ min(t(i,:));
end
predict %即仿真结果
pause

追问

谢谢~
还想问一句，神经网络和推理机是什么关系呢？最近正在做专家系统，不太懂~

追答

推理机是专家系统中实现基于知识推理的部件，是基于知识的推理在计算机中的实现，主要包括推理和控制二个方面，是知识系统中不可缺少的重要组成部分。主要由执行器、调度器和一致性协调器等组成。调度器依据控制策略（用知识和算法描述）和黑板记录的信息从议程中选择一个动作供系统下一步执行。执行器应用知识库中的知识和黑板记录的信息，执行调度器选定的动作。一致性协调器的主要作用是当得到新数据或新假设时，对已得到的相关结果进行似然修正，以保证结果的前后一致性。然而传统的专家系统只能在有限的定制式的规则中寻求答案，对于一个庞大的知识库，或者复杂难解的数据结构，亦或者一个几乎无规则可循的知识集合，传统专家系统就显得无能为力了。因此有人就提出使用人工神经网络开发专家系统的推理机机制，于是“人工神经网络专家系统”的概念也就应运而生。
简单说就是传统专家系统不能很好的解决庞大的知识库或者复杂难解的数据结构，为了改变这种状况人们提出用神经网络的方法来开发推理机的推理机制，把它换成神经网络推理机制。神经网络能很好的解决非线性或者复杂的表面看起来非常无任何规律可循的问题。
这是我自己的看法，可能有不当的地方，因为我也没怎么深入的接触专家系统，希望对你有用吧。再就是，有时候可能心里明白点他们之间的关系，但是很难表达出来，那你就多看看这方面的资料，看的多了自然就清楚了，而且会摩擦出很多知识的火花~~

Answer 2

nftool然后设置，训练数据，次数，隐层个数，然后训练即可，是可视化的界面，不用写代码