大家好，今天小编关注到一个比较有意思的话题，就是关于神经网络预测控制的问题，于是小编就整理了2个相关介绍神经网络预测控制的解答，让我们一起看看吧。
matlab7.0做BP神经网络预测，精度怎么看？
应该是点performance那个按钮，显示一个误差下降曲线图。事实上，不需过分关注这条曲线，除非是研究改进算法提高收敛速度的。一般关注网络的实际训练效果，以及实际应用能力，如预测能力等。BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。
它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。
如何建立bp神经网络预测模型？
要建立bp神经网络预测模型，首先需要确定输入层的特征数量和输出层的预测结果，然后选择合适的隐藏层神经元数量和激活函数。
接着通过随机初始化权重和偏置项，利用训练数据集进行前向传播和反向传播，通过梯度下降算法不断调整权重和偏置项，直到达到收敛状态。
最后，利用验证数据集检验模型的性能并进行调参，直到得到满意的预测准确度和泛化能力。
到此，以上就是小编对于神经网络预测控制的问题就介绍到这了，希望介绍关于神经网络预测控制的2点解答对大家有用。
