股票神经网络哪个好用——股票查询网，哪个比较好？

一、股友们：都来讲讲股票软件哪个好？

为了避免上当受骗，建议你可以去“证券统计排行网”上查看目前市场最详细的股票软件排行。

二、股票分析网站哪个好/看股票哪个网站最好

可以看看寻牛股 公众号，每天会有盘中提醒，也有分析师们的早晚评，个股问题还可直接提问，还是不错的

三、关于股票哪个网推荐的权威？那个软件能更好的选取买卖点？

我个人认为“77138财经导航”非常实用，这里收录了很多好的股票站点。

四、bp神经网络函数中哪个预测性能好

traingdm是带动量的梯度下降法，trainlm是指L-M优化算法，trainscg是指量化共轭梯度法，除此之外还有traingdx、traingda等，都是权值的训练算法。
看MATLAB结合神经网络的基础书上都有介绍。
tansig和logsig  统称Sigmoid函数，logsig是单极性S函数，tansig是双极性S函数，也叫双曲正切函数，purelin是线性函数，是节点的传输函数。
学习函数和训练函数的区别：学习函数的输出是权值和阈值的增量，训练函数的输出是训练好的网络和训练记录，在训练过程中训练函数不断调用学习函数修正权值和阈值，通过检测设定的训练步数或性能函数计算出的误差小于设定误差，来结束训练。
    下面是几个仿真实验，用了不同的训练函数：1.创建BP网络的学习函数，训练函数和性能函数都采用default值，分别为learngdm，trainlm和mse时的逼近结果：由此可见，进过200次训练后，虽然网络的性能还没有为0，但是输出均方误差已经很小了，MSE=6.72804e-0.06，显示的结果也证明P和T之间非线性映射关系的拟合是非常精确的；
2.建立一个学习函数为learnd，训练函数为traingd，和性能函数为msereg的BP网络，来完成拟合任务：可见，经过200次训练后，网络的输出误差比较大，而且网络误差的收敛速度非常慢。
这是由于训练函数traingd为单纯的梯度下降训练函数，训练速度比较慢，而且容易陷入局部最小的情况。
结果显示网络精度确实比较差。
3.将训练函数修改为traingdx，该i函数也是梯度下降法训练函数，但是在训练过程中，他的学习速率是可变的在200次训练后，以msereg函数评价的网络性能为1.04725，已经不是很大，结果显示P和T之间非线性关系的拟合情况不错，网络的性能不错。

五、股票查询网，哪个比较好？

我个人认为“77138财经导航”非常实用，这里收录了很多好的股票站点。

参考文档