9附录.pptVIP

附录A 神经网络工具箱函数 A1 工具箱函数索引 MATLAB6.5神经网络NNET4.0.2包含了170 多种工具箱函数,有关这些函数的详细使用说明,可以通过MATLAB的帮助文件得到。 在命令窗口输入:help 函数名也可以获得相应函数的帮助信息。 为方便读者使用,本章按分类列出神经网络工具箱函数,见表A1 表A1 神经网络工具箱函数分类索引  A2 工具箱函数详解 为了避免对函数中的参数和变量的含义重复说明,现将其列于表A2 中。 表A2 函数中的参数和变量 A SXQ的输出向量矩阵,S为神经元数,Q为输入样本数 Af 网络层最终延迟条件 Ai 网络层初始延迟条件,default= zeros。可选参数,仅当网络层有延迟时选用。为NI x LD 的细胞矩阵,其每个子矩阵Ai ( i , k ｝为SixQ 矩阵 B Sx1的阈值向量,S为神经元数 BLF 后向传播网络的权值和闭值学习函数,default=‘learngdm’ BTF 后向传播网络的训练函数,default=‘traingdx’ BV 阈值B的行向量C 表示颜色的行向量矩阵CLR “良心”学习规则的学习率,default=0.001 D S?S 的神经元距离,S为神经元数DF 在两次显示间隔内增加的神经元数,default=25 DFCN 距离函数,default=‘linkdist’,还可以是linkdist、dist或mandist Di 在SOFM 网络中,表示第i 个网络层的大小,defaults=[5 8]  dimi 在第i 维坐标中神经元的个数E l?Q 或S?Q 的网络输出误差向量矩阵,S为神经元数,Q为输入样本数epoch训练经历的步长数,default=训练记录的长度ES 误差矩阵向量F 传输函数名(字符串)gA S?R 的性能函数对输出的梯度,S为神经元数,R为输入向量元素数目goal误差目标值,default=0.0 gW S?R 的性能函数对权值的梯度,S为神经元数,R为输入向量元素数目i网络层序号KLR Kohonen学习率,defaul=0.01 ID 网络输入向量的延迟量(net.numlnputDelays ) LD 网络层的延迟量(net.numLayerDelays) LF 学习函数LP 学习参数LR 学习率,default=0.01 LS 学习状态,初始值LS=[ ] M 在plotv 函欺中,表示R?Q向量(Q个向量,每个向量有R个元素,R的值不得小于2 , 当R 的值大于2时,只取每个向量的前2行作图);在plotvec函数中,表示绘图标记,default=‘+’ maxp R?l的列向量,表示输入向量尸的各列向量的最大值maxt S?I的列向量,表示目标向量T 的各列向量的最大值 maxw 权值的最大值,default=max (max(abs(W))) maxp R?l的列向量,表示输入向量尸的各列向量的均值meant S?l的列向量,表示目标向量T 的各列向量的均值 min_frac 保留分量对方差贡献百分比的最小值 minp R?1 的列向量,表示输入向量P的各列向量的最小值mint S?1 的列向量,表示目标向量T的各列向量的最小值 minw 权值的最小值,default=MI\100 MN 最大神经元数．Defoult=Q N S?Q 的输入向量矩阵．S为神经元数．Q为愉入样本致name 训练的数名．dofault=”ND 邻城距离．dofault=l net 神经网络名称Ni 网络输入向量效(net.numlnputs) N1 网络层数(net.numLayers) No 网络输出向量数(net.numOutputs ) Nt 网络目标向量数(net . numOutputs Targets ) OLR 创建SOFM 网络时．排序阶段的学习率．默认植为0.9 OSTEPS 创建SOFM 网络时,排序阶段的训练次数．默认位为1000 P RxQ 的输入向从矩阵(或lx