为什么利用matlab神经网络对多个输出变量进行建模时，仅仅给出一个输出变量的拟合状况？而其余却没有？

1. 为什么利用matlab神经网络对多个输出变量进行建模时，仅仅给出一个输出变量的拟合状况？而其余却没有？

朋友 这种问题百度知道怎么可能有人会 不如到知乎去问［滑稽］

2. 急！神经网络建模后各个输入变量对输出的敏感性分析

这个， 好像看过一个MIV的方法。
在神经网络43个案例那书里有。

nnetinfo网，里有一篇文章也讲到。
百度不让发链接，你自己找找，神经网络之家---》教学区---》----学习教程二---》基于MIV的相关变量检测

就这两个文章我看讲得比较好。还有代码

3. 运用matlab解决bp神经网络多个输入一个输出的问题

用最简单的bp网络就行，输入节点数等于变量数，输出节点数为1.在matlab里，就用newff函数建立网络即可。

newff函数的格式为：net=newff(PR,[S1 S2 ...SN],{TF1 TF2...TFN},BTF,BLF,PF），函数newff建立一个可训练的前馈网络。输入参数说明：
PR：Rx2的矩阵以定义R个输入向量的最小值和最大值；
Si：第i层神经元个数；
TFi：第i层的传递函数，默认函数为tansig函数；
BTF：训练函数，默认函数为trainlm函数；
BLF：权值/阀值学习函数，默认函数为learngdm函数；
PF：性能函数，默认函数为mse函数。

4. matlab 神经网络能否进行多元输入一个输出预测？

人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connection Model），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，应用是人工神经网络是可以进行多元输入一个输出的。

5. 用matlab编程 四个输入一个输出的人工神经网络程序

有时间具体谈 我也是做神经网络题目，我做的是BP神经网络和RBP神经网路算法 但是好像没你的复杂 我的已经做完

6. matlab神经网络多输入单输出问题

首先：你的想法（199个数作为输入，1个数作为输出）是没什么问题，但是你的输入矩阵为199*n，你的n=1，表明你的样本只有一个，这样一个孤立的样本作为训练样本没什么意义；

其次：姑且不谈你的样本意义，需要跟你说明的是，matlab神经网络工具箱是以一列为一个样本，而你的B=minmax(input')使得B为1*199的矩阵，显然不对，最好加上B=B'；
最后：[net,tr]=train(net,input,output,[],[]);中的参数为三个也行，改为net=train(net,input,output);
上面所述是按旧版本来的。
下面是我修改的程序，matlab版本R2012b，你的是旧版本的matlab，所以newff用法跟新的略有不同：
clear
p=1:0.05:11-0.05;
t=(p-1).*(p-2).*(p-4).*(p-9).*(p-11);
N=length(p);
input=t(1:199)';
output=t(200);
ptest=t(2:200)';

% B=minmax(input');
net = newff(input,output,[20 6],{'tansig' 'tansig' 'purelin'},'traingdx','learngdm');
[net,tr]=train(net,input ,output);
a=sim(net,ptest');

7. 已建成Matlab神经网络后如何分析

可参考《基于人工神经网络的结直肠癌预测模型研究》一文中对神经网络输入变量的解释

8. 用BP神经网络建立数学模型，MATLAB实现，怎样得到输入到输出的计算公式

% 计算S1与S2层的输出A1=tansig(W1*p,B1);t=purelin(W2*A1,B2);这就是p到t的映射关系。

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)。