Matlab神经网络工具及其相关知识详解.docVIP

Matlab神经网络工具简介 MATLAB软件中包含MATLAB神经网络工具箱，工具箱以人工神经网络为基础，只要根据自己需要调用相关函数，就可以完成网络设计、权值初始化、网络训练等，MATLAB神经网络工具箱包括的网络有感知器、线性网络、BP神经网络、径向基网络、自组织网络和回归网络，BP神经网络工具箱主要包括newff，sim和train三个神经网络函数各函数的解释如下： 1 newff：：：：BP神经网络参数设置函数神经网络参数设置函数神经网络参数设置函数神经网络参数设置函数函数功能：构建一个BP神经网络。函数形式：net = newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF) P：输入数据矩阵 T：输出数据矩阵 S：隐含层节点数 TF：节点传递函数，包括硬限幅传递函数hardlim，对称硬限幅传递函数hardlims，线性传递函数purelin，正切S型传递函数tansig，对数S型传递函数logsig BTF：训练函数，包括梯度下降BP算法训练函数traingd，动量反传的梯度下降BP算法训练函数traingdm，动态自适应学习率的梯度下降BP算法训练函数traingda，动量反传和动态自适应学习率的梯度下降BP算法训练函数traingdx，Levenberg_Marquardt的BP算法训练函数trainlm BLF：网络学习函数，包括BP学习规则learngd，带动量项的BP学习规则learngdm PF：性能分析函数，包括均值绝对误差性能分析函数mae，均方差性能分析函数mse IPF：输入处理函数 OPF：输出处理函数 DDF：验证数据划分函数 一般在使用过程中设置前六个参数，后四个参数采用系统默认参数。 2 train：：：：BP神经网络训练函数神经网络训练函数神经网络训练函数神经网络训练函数函数功能：用训练数据训练BP神经网络。 函数形式：[net,tr] = train(NET,X,T,Pi,Ai) NET：待训练网络 X：输入数据矩阵 T：输出数据矩阵 Pi：初始化输入层条件 Ai：初始化输出层条件 net：训练好的网络 tr：训练过程记录 一般在使用过程中设置前三个参数，后两个参数采用系统默认参数。 3 sim：：：：BP神经网络预测函数神经网络预测函数神经网络预测函数神经网络预测函数 函数功能：用训练好的BP神经网络预测函数输出 函数形式：y=sim(net,x) net：训练好的网络 x：输入数据 y：网络预测数据 只要我们能够熟练掌握上述三个函数，就可以完整的编写一个BP神经网络预测或者分类的程序。 绘制三维图形 clear all; [x,y]=meshgrid(-8:0.1:8); z=sinc(x); mesh(x,y,z); 效果图如下 设置图形窗口背景为白色 set(gcf,color,w); 修改z的赋值 clear all; [x,y]=meshgrid(-10:0.3:10); r=sqrt(x.^2+y.^2)+eps; z=sin(r)./r; mesh(x,y,z) 初始化函数 clear all; net=newp([0,1;-2,2],1); disp(3?ê??ˉ???°μ?è¨?μê?￡o ) w1=net.iw{1,1} disp(3?ê??ˉ???°μ?·§?μ?a) b1=net.b{1} net.iw{1,1}=[5,6]; disp(?￡?￡?￡è¨?μ?a) w2=net.iw{1,1} net.b{1}=7; disp(·§?μ?a) b2=net.b{1} net=init(net); w3=net.iw{1,1} b3=net.b{1} 利用网络初始化复原网络权值和阀值 例子：利用init函数将网络输入的权值与阀值改变为随机数 clear all; net=newp([0,1;-2,2],1); net.inputweights{1,1}.initFcn=rands; net.biases{1}.initFcn=rands; net=init(net); 检验权值和阀值 w=net.iw{1,1} b=net.b{1} w =0.8116 -0.7460 b =0.6294感知器 plotpv函数：用于在坐标中绘制给定的样本点及其类别 plotpc函数：用于绘制感知器分界线 clear all; p=[-0.5,-0.5,0.3,-0.1,-0.8;-0.5,0.5,-0.5,1.0,0.0]; t=[1,1,0,0,0]; plotpv(p,t); 绘制样本节点 net=newp([-40,1;-1,50],1); hold on linehandles=plotpc(net.IW{1},net.b{1}); net.