神经网络的函数.doc

神经网络通用函数的名称和基本功能 函数名 功能 init( ) 初始化一个神经网络 initlay( ) 层-层结构神经网络的初始化函数 initwb( ) 神经网络某一层的权值和偏值初始化函数 initzero( ) 将权值设为零的初始化函数 train( ) 神经网络训练函数 adapt( ) 神经网络自适应训练函数 sim( ) 神经网络仿真函数 dotprod( ) 权值点积函数 normprod( ) 规范权值点积函数 netsun( ) 输入求和函数 netprod( ) 网络输入的积函数 concur( ) 结构一致函数 RBF神经网络的重要函数和基本功能 函数名 功能 dist( ) 计算向量间的距离函数 radbas( ) 径向基传输函数 solverb( ) 设计一个径向基神经网络 solverbe( ) 设计一个精确径向基神经网络 simurb( ) 径向基神经网络仿真函数 newrb( ) 新建一个径向基神经网络 newrbe( ) 新建一个严格的径向基神经网络 newgrnn( ) 新建一个广义回归径向基神经网络 ind2vec( ) 将数据索引向量变换成向量组 vec2ind( ) 将向量组变换成数据索引向量 newpnn( ) 新建一个概率径向基神经网络 BP网络的重要函数和基本功能 mse( ) 均方误差性能函数 tansig( ) 双曲正切S型（Tan-Sigmoid）传输函数 logsig( ) 对数S型（Log-Sigmoid）传输函数 purelin( ) 线性（Purelin）传输函数 dtansig( ) Tansig神经元的求导函数 dlogsig( ) Logsig神经元的求导函数 dpurelin( ) Purelin神经元的求导函数 deltatan( ) Tansig神经元的delta函数 deltalog( ) Logsig神经元的delta函数 deltalin( ) Purelin神经元的delta函数 learnbp( ) BP学习规则函数 learnbpm( ) 含动量规则的快速BP学习规则函数 learnlm( ) Levenberg-Marguardt学习规则函数 initff( ) 对BP神经网络进行初始化 trainbp( ) 利用BP算法训练前向网络 trainbpx( ) 利用快速BP算法训练前向网络 trainlm( ) 利用Levenberg-Marguardt规则训练前向网络 simuff( ) BP神经网络进行仿真 newff( ) 生成一个BP前馈网络 newcf( ) 生成一个前向级联BP网络 newfftd( ) 生成一个前馈输入延时BP网络 nwlog( ) 对Logsig神经元产生Nguyen-Midrow随机数 sumsqr( ) 计算误差平方和 errsurf( ) 计算误差曲面 plotes( ) 绘制误差曲面图 plotep( ) 在误差曲面图上绘制权值和偏值的位置 ploterr( ) 绘制误差平方和对训练次数的曲线 barerr( ) 绘制误差的直方图