1. 为什么感知机（单层神经网络）不能解决异或问题
不仅仅是感知机， 所有的线性分类器都有这样的问题，包括LDA(Linear discriminant analysis), linear-SVM， Logistic regression都不能做XOR。 但这些算法还是十分流行，因为现实的机器学习问题中XOR的情况并不是很多。
2. 为什么多层神经网络可以解决异或问题
BP神经网络，指的是用了“BP算法”进行训练的“多层感知器模型”。 多层感知器（MLP，Multilayer Perceptron）是一种前馈人工神经网络模型，其将输入的多个数据集映射到单一的输出的数据集上，可以解决任何线性不可分问题。 不要把算法和网络搞混了。
3. 哪有多维输入多维输出的RBF神经网络的例子，不使用工具箱
既然用matlab的话rbf神经网络不需要自己写代码,matlab有提供的RBF工具箱.
训练命令主要有两个,一个是固定隐含层节点数的指令newrbe,一个是变隐含层节点数的指令newrb.预测输出指令和其他神经网络一样,是sim.
常用指令输出格式是net = newrbe(P,T,spread);net = newrb(P,T,goal,spread,MN,DF); X = sim(net,xn_test).参数具体格式参看help newrbe;help newrb以及help sim,参数物理意义参看相关理论,不再赘述了.
因为一般不存在局部最小问题,所以不需要使用结构体编辑指令设置初值,如果需要中间过程的原始数据,可以在训练结构体中找到(即为net参数,存储格式为结构体),结构体内部数据的物理意义,参看help help关于rbf神经网络结构体的介绍.
4. 请问：RBF神经网络中的参数如何确定输入的信号是一维的好还是多维的好我研究的是语音信号时间序列预测
你说的过程是学习的过程，属于有监督学习，这个过程只是确定隐藏层与输出层之间的权值
5. bp神经网络预测问题，有3个自变量1个因变量150组数据，要得到一个训练模型预测因变量（Matlab实现）
Matlab实现过程：
1、自变量数据
x1=[。。。]';x2=[。。。]';x3=[。。。]';
X=[x1 x2 x3];
2、因变量数据
y=[。。。]';
3、创建一个前馈网络
net=newff(X,y,[3,3,1],{'tansig','tansig','purelin'}, 'trainlm');
net.trainParam.epochs=1000;
net.trainParam.goal=10^(-6);
4、调用相应算法训练BP网络
[net,tr,yy]=train(net,X,y);%调用相应算法训练BP网络
5、对BP网络进行仿真
y_sim=sim(net,p);
6. 1500RMB求人帮做一个作业：用遗传算法寻找神经网络权重，此神经网络能解决一个XOR问题（最简单的）。
怎么最近老有人找遗传算法的...
7. 神经网络能实现异或运功能吗
NOT是很容易的。XOR加隐层就能实现。理论上已证明，对于只有一个隐层的感知器网络，只要隐层中的神经元个数足够多，就可以实现对任意函数的逼近。
8. 求一个BP神经网络实现异或功能的Matlab程序 （谢谢）！！！
For your question BP neural network seeking a different procere or function of Matlab (thank ......，
有别的要求也可以与我们联系,
带着你的问题和Email来找我,
有时间可以帮你，绝对救急,
使用网络_Hi给我留言,
此回复针对所有来访者和需求者有效,
ES:\\
9. 关于BP神经网络预测的问题，我做的神经网络预测的值总是波动，大部分落在3900-4100之间
1. 检查训练值是不是有问题，你可以用统计方法试试；
2. 多训练，我是编程一次多几百个模型，呵呵，挑好的用