如何做bp用什么软件(BP是什么软件)

如何用Pro/E制作BP机？

1.首先建ASSEMBLY档如BP01.asm，三个基本DATUM用DATUM/OFFSET PLANELS/0/0/0，以下各个ASSEM. COMPONENT的DATUM都用这样的方法做 2.为BP01.asm中做第一个ASSEMBLY的COMPONENT不是上盖，也不是下盖，而应它首先做一个骨架模型（SKELETON MODEL），如BP01_SKEL.PRT Assembly/component/create/Skeleton model/empty/ok 然后在这个空的skeleton model中做好CALL机壳的外观尺寸，定好开模线和开模基准面，DRAFT ANGLE，四个角用ADVANCED ROUND做出光滑过渡的角，所有PART能公用的CURVE也全放在这个骨架模型中。 3.做好2.之后，拆上下盖就VERY EASY了，在ASSEMBLY模式下 Assembly/component/create/Part/empty/ok做一个空的上盖BP_UPPER_CASE.prt 三个基本DATUM用DATUM/OFFSET PLANELS/0/0/0做，这样做与ASSEMBLY的DATUM就是重合的！然后首先在BP_UPPER_CASE.prt用COPY SURFACE/SOLID SURFACE的方法COPY BP01_SKEL.PRT的表面到BP_UPPER_CASE.prt中，然后把这SURFACE转化为SOLID，然后COPY CURVE来COPY SKELETON中定下的分模线。这样做让上（或下）盖的外观形状由其骨架模型决定的好处是这样有变动时只要在SKELETON中一改好就全好改了。方便又快捷。 4.拆下盖，同样用这样的方法。

除了MATLAB能做BP神经网络，还有其他什么软件能做

除了MATLAB能做BP神经网络，还有其他什么软件能做

理论上编程语言都可以，比如VB，C语言，过程也都是建模、量化、运算及结果输出（图、表），但是matlab发展到现在，集成了很多的工具箱，所以用的最为广泛，用其他的就得是要从源码开发入手了，何必舍近求远。

通过matlab软件做bp神经网络预测奶制品价格，求大神帮忙

主要是样本组织，把输入和输出样本都确定。可以用前12个月的数据预测下一个月的数据，即第n个数据至n+11共12个数据作为输入，n+12作为输出组织样本。

以附件的程序作参考，将P、T换为你的样本即可。

BP（Back Propagation）神经网络是86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)。

1.如何用MATLAB神经网络工具箱创建BP神经网络模型？具体有哪些步骤？请高手举实例详细解释下？ 2.如何把输

%人脸识别模型，脸部模型自己找吧。

function mytest()

clc;

images=[ ];

M_train=3;%表示人脸

N_train=5;%表示方向

sample=[];

pixel_value=[];

sample_number=0;

for j=1:N_train

for i=1:M_train

str=strcat('Images\',num2str(i),'_',num2str(j),'.bmp'); %读取图像，连接字符串形成图像的文件名。

img= imread(str);

[rows cols]= size(img);%获得图像的行和列值。

img_edge=edge(img,'Sobel');

%由于在分割图片中我们可以看到这个人脸的眼睛部分也就是位于分割后的第二行中，位置变化比较大，而且眼睛边缘检测效果很好

sub_rows=floor(rows/6);%最接近的最小整数,分成6行

sub_cols=floor(cols/8);%最接近的最小整数，分成8列

sample_num=M_train*N_train;%前5个是第一幅人脸的5个角度

sample_number=sample_number+1;

for subblock_i=1:8 %因为这还在i，j的循环中，所以不可以用i

block_num=subblock_i;

pixel_value(sample_number,block_num)=0;

for ii=sub_rows:(2*sub_rows)

for jj=(subblock_i-1)*sub_cols+1:subblock_i*sub_cols

pixel_value(sample_number,block_num)=pixel_value(sample_number,block_num)+img_edge(ii,jj);

end

end

end

end

end

%将特征值转换为小于1的值

max_pixel_value=max(pixel_value);

max_pixel_value_1=max(max_pixel_value);

for i=1:3

mid_value=10^i;

if(((max_pixel_value_1/mid_value)1)((max_pixel_value_1/mid_value)10))

multiple_num=1/mid_value;

pixel_value=pixel_value*multiple_num;

break;

end

end

% T 为目标矢量

t=zeros(3,sample_number);

%因为有五类，所以至少用3个数表示，5介于2的2次方和2的3次方之间

for i=1:sample_number

% if((mod(i,5)==1)||(mod(i,5)==4)||(mod(i,5)==0))

if(i=3)||((i9)(i=12))||((i12)(i=15))

t(1,i)=1;

end

%if((mod(i,5)==2)||(mod(i,5)==4))

if((i3)(i=6))||((i9)(i=12))

t(2,i)=1;

end

%if((mod(i,5)==3)||(mod(i,5)==0))

if((i6)(i=9))||((i12)(i=15))

t(3,i)=1;

end

end

% NEWFF——生成一个新的前向神经网络

% TRAIN——对 BP 神经网络进行训练

% SIM——对 BP 神经网络进行仿真

% 定义训练样本

% P 为输入矢量

P=pixel_value'

% T 为目标矢量

T=t

size(P)

size(T)

% size(P)

% size(T)

% 创建一个新的前向神经网络

net_1=newff(minmax(P),[10,3],{'tansig','purelin'},'traingdm')

% 当前输入层权值和阈值

inputWeights=net_1.IW{1,1}

inputbias=net_1.b{1}

% 当前网络层权值和阈值

layerWeights=net_1.LW{2,1}

layerbias=net_1.b{2}

% 设置训练参数

net_1.trainParam.show = 50;

net_1.trainParam.lr = 0.05;

net_1.trainParam.mc = 0.9;

net_1.trainParam.epochs = 10000;

net_1.trainParam.goal = 1e-3;

% 调用 TRAINGDM 算法训练 BP 网络

[net_1,tr]=train(net_1,P,T);

% 对 BP 网络进行仿真

A = sim(net_1,P);

% 计算仿真误差

E = T - A;

MSE=mse(E)

x=[0.14 0 1 1 0 1 1 1.2]';

sim(net_1,x)

bp软件3D是什么软件

图像处理工具。BodyPaint的简写bp也是一款图像处理工具，提供了全面的3D绘制工作流程，你可以使用一支笔刷的笔触绘制出复杂的材质，丰富、逼真的纹理胜过单调的颜色。对用户的虚拟产品设计和工艺设计的需求达到了很好的满足。