matlab神经网络预测能多久

从准备训练数据到获得预测结果，使用MATLAB神经网络预测大约需要1-2小时，具体时间取决于训练数据量大小以及网络结构复杂度。

1 确定神经网络模型的结构和参数，包括输入输出层的神经元数量，隐藏层的神经元数量，学习率，激活函数等。

2 准备训练数据集，并使用数据预处理方法处理训练数据，包括标准化，归一化和正则化等。

3 使用反向传播算法训练神经网络，通过迭代更新参数，使损失函数最小化，从而获得最优模型参数。

4 使用测试数据集进行模型评估，包括精度，召回率，F1值等指标，以确定模型的准确度。

5 使用训练得到的最优模型参数对输入进行预测，获得预测结果。

看你的需求,

若果你是需要使用神经网络去完成某些数据分析,而你的数据又不是很多(只有几万个样本或十几万个本样),那么建议你使用matlab,里面有已经搭建好的工具箱,非常齐全(神经网络很多种,而且又有不同的学习算法,和是否正则化等等)

若果你只是想学习算法,那么也是matlab较好,一来语法简单,二来网上的资料比较好找

若果你对神经网络已经熟悉是,是打算投入应用,而且你的数据很大,那么根据你所需要的神经网络,用C或其他你认为性能好的语言,针对你的问题重新编一个算法,也不会花很大功夫

来自<神经网络之家>nnetinfo

同意1楼的回答，用cftool 但是不知道函数形式的情况下确实不好拟合。

有几类cftool中没有，但科研也常用的函数拟合你可以试试, 比如pade近似, 广义回归网络, 主成分分解等

给你一个贝叶斯正则化训练的BP前馈网络试试看

返回值funObj就是拟合出来的方程

%-----------分割线-----------------

function funObj = netFit(x, y)

maxID=1; % 这里取1 所以每次运行结果都有所不同，取大点结果基本就不变了

              % Matlab手册建议训练很多网络求平均，比如maxID=100 可并行加速

              % 具体参考doc train --> useParallel, useGPU 自动的

net = feedforwardnet(15); % 这个值随便取的，其实有讲究

nettrainFcn = 'trainbr';

netdivideParamtrainRatio = 07;

netdivideParamvalRatio = 03;

netdivideParamtestRatio = 0;

net = configure(net, x, y);

nettrainParamshowWindow = 0;

h = waitbar(0,'Training with Bayesian Regularization 0%');

netCollect = cell(maxID,1);

for netID=1:maxID

net = init(net);

net = train(net, x, y);

waitbar(netID/maxID,h ,

sprintf('Training with Bayesian Regularization %41f%%',netID/maxID100));

netCollect{netID} = net;

end

delete(h);

funObj = @(x)evalNet(netCollect, x);

xfit = linspace(min(x), max(x), 100);

yfit = funObj(xfit);

figure(10);plot(xfit, yfit, 'r-', x, y, 'ok');

legend('Fitted Line','Data')

xlabel('X','FontSize',14);ylabel('Y','FontSize',14);title('maxID=100')

end

function y = evalNet(netCollect, x)

NNet = length(netCollect);

y = zeros(size(x));

for netId=1:NNet

  net = netCollect{netId};

  y = y+net(x);

end

y = y/NNet;

end

以上就是关于matlab神经网络预测能多久全部的内容，包括:matlab神经网络预测能多久、神经网络研究与应用这块用python好还是matlab、如何用matlab将离散数据拟合成方程，在线等！！！等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！