有时候用matlab进行数据分析计算时，想用BP神经网络算法。怎么用？下面分享一下方法。
首先我们要知道BP神经网络是一个多层前馈网络，不需要建立数学方程就可以学习和存储输入输出的映射关系。它是一种常用的神经网络模型。BP神经网络的构建主要分为三步，如下图所示：
第二步，可以看看matlab中BP神经网络的训练函数，包括梯度下降法traingd，弹性梯度下降法trainrp，自适应lr梯度下降法traingda等。如下图所示：
第三步：我们通过实例介绍一下BP神经网络的使用方法。在matlab的命令行窗口，定义输入p和输出t，传递“newff (minmax (p)，[5，1]，{'tan sig '' pure Lin'}，' trainrp ')；”建立一个BP神经网络，“[net，tr]=train(net，P，T)；”经过网络训练，“sim(net，P)”可以得到仿真预测值，完整代码如下图所示：
步骤4在命令行窗口中按下Enter键后，可以看到结果弹出窗口出现。顶层NeuralNetwork下面依次是“输入层、隐含层、输出层、输出”。隐藏层中有五个神经元。进度下面的Epoch表示迭代次数，Gradient表示梯度，VaildationChecks表示有效性检查，最后的绿色复选标记表示绩效目标的实现，如下图所示：
我们还可以在命令行窗口中查看输出结果。x是BP神经网络模拟值，输出值非常接近，如下图所示：
第六步我们绘制实际曲线和预测曲线，可以看到使用BP神经网络的预测结果曲线与实际产量曲线基本一致，如下图所示：
