Matlab工具箱中的BP与RBF函数.docVIP

Matlab工具箱中的BP与RBF函数 Matlab神经网络工具箱中的函数非常丰富，给网络设置合适的属性，可以加快网络的学习速度，缩短网络的学习进程。限于篇幅，仅对本章所用到的函数进行介绍，其它的函数及其用法请读者参考联机文档和帮助。 1 BP与RBF网络创建函数 在Matlab工具箱中有如表1所示的创建网络的函数，作为示例，这里只介绍函数newff、newcf、newrb和newrbe。 表 1 神经网络创建函数 函数名 含 义 newcf 创建一个前向层叠(cascade-forward)BP网络 newff 创建一个前馈(feed-forward)BP网络 newrb 设计一个径向基网络 newrbe 设计一个精密径向基网络 (1) newff函数 功能：创建一个前馈BP神经网络。 调用格式：net = newff(PR,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF) 参数说明： PR - R个输入的最小、最大值构成的R×2矩阵； Si –SNI层网络第i层的神经元个数； TFi - 第i层的传递函数，可以是任意可导函数，默认为 tansig，可设置为logsig，purelin等； BTF -反向传播网络训练函数， 默认为 trainlm，可设置为trainbfg，trainrp，traingd等； BLF -反向传播权值、阈值学习函数，默认为 learngdm； PF -功能函数，默认为mse； (2) newcf函数 功能：创建一个N层的层叠(cascade)BP网络 调用格式：net = newcf(Pr,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF) 参数同函数newff。 (3) newrb函数 功能：创建一个径向基神经网络。径向基网络可以用来对一个函数进行逼近。newrb函数用来创建一个径向基网络，它可以是两参数网络，也可以是四参数网络。在网络的隐层添加神经元，直到网络满足指定的均方误差要求。 调用格式：net = newrb(P,T,GOAL,SPREAD) 参数说明： P：Q个输入向量构成的R×Q矩阵； T：Q个期望输出向量构成的S×Q矩阵； GOAL：均方误差要求，默认为0。 SPREAD：分散度参数，默认值为1。SPREAD越大，网络逼近的函数越平滑，但SPREAD取值过大将导致在逼近变化比较剧烈的函数时神经元过多，若SPREAD取值过小，则导致在逼近平滑函数时，导致神经元过多。 (4) newrbe函数 功能：创建一个精密径向基网络。newrbe函数可以很快地根据设计向量创建一个0误差的径向基网络。 调用格式：Net=Newrbe(P,T,SPREAD) 参数说明： 参数P,T和SPREAD同newrb函数中的参数P,T和SPREAD含义相同。 2 网络训练函数 (1) Adapt函数 功能：神经网络单步训练函数。 调用格式：[net,Y,E,Pf,Af] = adapt(net,P,T,Pi,Ai) 参数说明： Adapt函数调用由net.adaptFcn所指定的函数和net.adaptParam所指定的参数来训练网络。在执行命令Adapt之前，可以预先指定训练函数net.adaptFcn和训练参数net.adaptParam。 输入参数： net – 所要训练的网络； P - 网络的输入； T - 网络的期望输出，可选项，只在有教师训练时需要，一般不用，默认值为0； Pi –初始输入延迟，可选项，只在有输入延迟时需要，一般不用，默认值为0； Ai –初始层延迟，可选项，只在有层延迟时需要，默认值为0； 输出参数：NET – 训练后的网络； Y - 网络输出； E - 网络误差； Pf -训练后的输入延迟，一般不用.； Af -训练后的层延迟，一般不用。 ADAPT的参数有两种格式：阵列格式和矩阵格式。阵列格式易于描述，最适合于多输入多输出网络。当ADAPT的参数为阵列格式时： P - Ni×TS阵列, 阵列的每个元素P{i,ts}是一个Ri×Q 的矩阵； T - Nt×TS阵列, 阵列的每个元素P{i,ts}是一个Vi×Q的矩阵； Pi - Ni×ID阵列, 阵列的每个元素{i,k}是一个Ri×Q 的矩阵； Ai - Nl×LD阵列, 阵列的每个元素{i,k}是一个Si×Q的矩阵； 其中： Ni = net.numInputs Nl = net.numLayers Nt = net.numTargets ID = net.numInputDelays LD = net.numLayerDelays TS = Number of time steps