求大神解读一下matlab代码。bp神经网络NEWff部分。
。
newff建立一个bp神经网络模型，threshold应该是输入，决定输入层数目，20个隐含层，四个输出层，tansig是隐含层函数，logsig是输出层函数，trainlm是训练方法，Levenberg-MarquardtBP训练函数。
epochs是设置最大迭代次数，goal是设置期望误差，就是训练到最后希望误差小到什么程度，这里的误差默认是mse误差。LP是啥？定义的网络不是net咩？？反正后面的lr是学习速率。
最后一句是在训练网络。可以参考下这个博客！！里面举了个例子，注释也比较清楚。
谷歌人工智能写作项目：神经网络伪原创
神经网络部分代码，这是什么意思？
仿真，实际上就是把一个非线性系统，用神经网络抽象出来写作猫。这个非线性系统，不方便用数学形式表达出来，或者说不容易确定其精确的数学形式，这个时候我们就不管它的内部了，将其当做一个黑箱，只考虑输入输出。
将一定数量的输入输出样本用作网络的训练，只要通过训练后，得到的神经网络能正确反映输入输出的非线性映射关系，就说明这个神经网络在一定程度上体现了这个非线性系统的内部规律，并具有一定泛化能力，可以用其他的样本进行检验，并达到一定精度。
如果你的仿真指的是计算机上跑的程序，则一般是用MATLAB，实际上就是一段代码在那里运行旦伐测和爻古诧汰超咯、进行数学计算。
在看了案例二中的BP神经网络训练及预测代码后，我开始不明白BP神经网络究竟能做什么了。。。 程序最后得到
网络的训练过程与使用过程了两码事。
比如BP应用在分类，网络的训练是指的给你一些样本，同时告诉你这些样本属于哪一类，然后代入网络训练，使得这个网络具备一定的分类能力，训练完成以后再拿一个未知类别的数据通过网络进行分类。
这里的训练过程就是先伪随机生成权值，然后把样本输入进去算出每一层的输出，并最终算出来预测输出（输出层的输出），这是正向学习过程；最后通过某种训练算法（最基本的是感知器算法）使得代价（预测输出与实际输出的某范数）函数关于权重最小，这个就是反向传播过程。
您所说的那种不需要预先知道样本类别的网络属于无监督类型的网络，比如自组织竞争神经网络。
BP神经网络预测代码 15
你这是在做时间序列呢。你可以去《神经网络之家》nnetinfo----》学习教程二--->神经网络在时间序列上的应用上面有讲解。
我把代码摘抄给你%timeseries:神经网络在时间序列上的应用 %本代码出自《神经网络之家》 timeList=0:0.01:2*pi;%生成时间点 X=sin(timeList);%生成时间序列信号%利用x(t-5),x(t-4),x(t-3),x(t-2),x(t-1)作为输入预测x(t)，将x(t)作为输出数据 inputData=[X(1:end-5);X(2:end-4);X(3:end-3);X(4:end-2);X(5:end-1)]; outputData=X(6:end);%使用用输入输出数据（inputData、outputData）建立网络， %隐节点个数设为3.其中隐层、输出层的传递函数分别为tansig和purelin，使用trainlm方法训练。
net=newff(inputData,outputData,3,{'tansig','purelin'},'trainlm');%设置一些常用参数 =0.0001;%训练目标：均方误差低于0.0001 =400;%每训练400次展示一次结果 net.trainparam.epochs=1500;%最大训练次数：15000.[net,tr]=train(net,inputData,outputData);%调用matlab神经网络工具箱自带的train函数训练网络simout=sim(net,inputData);%调用matlab神经网络工具箱自带的sim函数得到网络的预测值figure;%新建画图窗口窗口 t=1:length(simout); plot(t,outputData,t,simout,'r')%画图，对比原来的输出和网络预测的输出%------------------附加:抽取数学表达式----------------------------top %希望脱离matlab的sim函数来使用训练好网络的话，可以抽取出数学的表达式，| %这样在任何软件中，只需要按表达式计算即可。
| %============抽取数学表达式================== %抽取出网络的权值和阈值 w12={1,1};%第1层（输入层）到第2层（隐层）的权值 b2=net.b{1};%第2层（隐层）的阈值w23={2,1};%第2层（隐层）到第3层（输出层）的权值 b3=net.b{2};%第3层（输出层）的阈值%由于有归一化，必须先将归一化信息抓取出来 iMax=max(inputData,[],2); iMin=min(inputData,[],2); oMax=max(outputData,[],2); oMin=min(outputData,[],2);%方法1：归一化--->计算输出--->反归一化 normInputData=2*(inputData-repmat(iMin,1,size(inputData,2)))./repmat(iMax-iMin,1,size(inputData,2))-1; tmp=w23*tansig(w12*normInputData+repmat(b2,1,size(normInputData,2)))+repmat(b3,1,size(normInputData,2)); myY=(tmp+1).*repmat(oMax-oMin,1,size(outputData,2))./2+repmat(oMin,1,size(outputData,2));%方法2：用真正的权值和阈值进行计算 %公式请参考《提取对应原始数据的权重和阈值》 W12=w12*2./repmat(iMax'-iMin',size(w12,1),1); B2=-w12*(2*iMin./(iMax-iMin)+1)+b2;W23=w23.*repmat((oMax-oMin),1,size(w23,2))/2; B3=(oMax-oMin).*b3/2+(oMax-oMin)/2+oMin;%最终的数学表达式： myY2=W23*tansig(W12*inputData+repmat(B2,1,size(inputData,2)))+repmat(B3,1,size(inputData,2));。
bp神经网络预测代码 15
在matlab中，样本是以列的方式排列的，即一列对应一个样本。如果你的样本无误的话，就是一个输入8输出2的神经网络。作图直接用plot函数。
参考附件的代码，这是一个电力负荷预测例子，也是matlab编程。BP（BackPropagation）神经网络是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(hiddenlayer)和输出层(outputlayer)。
BP神经网络的MATLAB训练Gradient是什么意思？Performance是什么意思？，大神能解释一下吗？谢谢了
Gradient是梯度的意思，BP神经网络训练的时候涉及到梯度下降法，表示为梯度下降的程度与训练过程迭代次数（步长）的关系。
Performance是神经网络传递误差大小的意思，表示为均方差与训练过程迭代次数（步长）的关系。
matlab的神经网络例程中这段的意义是什么？
。
我把程序逐句注释下：function test_example_NN %函数定义load mnist_uint8; %将样本数据加载进来，看名字是一个unsigned inttrain_x = double(train_x) / 255; %将所有数据归为1内test_x = double(test_x) / 255; train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x); %化为标准分数，这是统计上的知识test_x = normalize(test_x, mu, sigma); %归一化函数总结一下，上面的代码主要起样本归一化的功能。
但是事实上，MATLAB提供了许多自带的归一化函数，无需这么烦杂的进行统计归一化。