bp神经网络中的gradient是什么意思
若果对你有帮助，请点赞。
神经网络的结构（例如2输入3隐节点1输出）建好后，一般就要求神经网络里的权值和阈值。现在一般求解权值和阈值，都是采用梯度下降之类的搜索算法（梯度下降法、牛顿法、列文伯格-马跨特法、狗腿法等等），这些算法会先初始化一个解，在这个解的基础上，确定一个搜索方向和一个移动步长（各种法算确定方向和步长的方法不同，也就使各种算法适用于解决不同的问题），使初始解根据这个方向和步长移动后，能使目标函数的输出（在神经网络中就是预测误差）下降。 然后将它更新为新的解，再继续寻找下一步的移动方向的步长，这样不断的迭代下去，目标函数（神经网络中的预测误差）也不断下降，最终就能找到一个解，使得目标函数（预测误差）比较小。
现在很多算法在寻解过程，都会借助梯度来确定目标函数的下降方向，梯度可以理解为单变量时的导数，梯度下降的方法就是目标函数的下降方向。
你可以到《神经网络之家》nnetinfo中查看《梯度下降法》一文来理解，另外还有《Levenberg-Marquardt法理论基础》方法，也讲解了在数据不太大时，一种更优于梯度下降法的寻解方法
若果对你有帮助，请点赞。
祝学习愉快
gradient magnitude是什么意思
gradient magnitude
英 美
梯度幅值
gradient magnitude的用法和样例：
例句
According to the markers, the preprocessed gradient magnitude image is segmented by the watershed transform.
最后用分水岭分割方法对带标记的参考图像进行分割。
The mean value of gradient magnitude in the regions, of which size is equal to ear, is computed by the extracting ROI method.
ROI提取方法计算人耳大小区域的梯度均值,通过设定合适的阈值得到较少的候选区域。
求大神帮忙用matlab程序做BP神经网络预测
1、样本数据太少，用BP网络预测可能并非好选择。说不定用一般的回归分析效果更好。2、要对Y进行预测，需要知道2015年的影响因素X1~X7才行吧？ BP神经网络的参考程序：data = [ ... 2009 2102.13 108.69 1104.99 888.45 700.6 64.28 8204.5 17502.1 2010 2701.61 132.74 1456.64 1121.64 839.02 99.58 9100 20760.52 2011 3636.62 208.22 2002.1 1426.29 1111.12 123.09 10086.88 29286.8 2012 4164.32 229.05 2303.9 1631.37 1293.62 176.42 12005.115 33720.1 2013 4672.91 247.21 2583.75 1841.95 1480.84 181.9 13136.77 39131 2014 5157.97 257.63 2872.01 2028.33 1666.75 200.87 15110 42194 ];year = data(:,1);p = data(:,2:8).';t = data(:,9).';net = newff(p,t,10);net = train(net,p,t);y1 = sim(net,p(:,end))由于没有2015年的X1~X7数据，最后一句用2014年的数据进行测试。 如果用多元线性回归：c=regress(t',p')y2=c'*p(:,end)由于样本数量太少（少于影响因素的数量），这种情况下，实际上回归的结果可以几乎没有误差（只有数值误差）。当然，用于预测是否准确要另当别论。
