BP神经网络的Matlab语法.docVIP

　 1. 数据预处理? ?????? 在训练神经网络前一般需要对数据进行预处理，一种重要的预处理手段是归一化处理。下面简要介绍归一化处理的原理与方法。 (1) 什么是归一化？? 数据归一化，就是将数据映射到[0,1]或[-1,1]区间或更小的区间，比如(0.1,0.9) 。 (2) 为什么要归一化处理？? 1输入数据的单位不一样，有些数据的范围可能特别大，导致的结果是神经网络收敛慢、训练时间长。 2数据范围大的输入在模式分类中的作用可能会偏大，而数据范围小的输入作用就可能会偏小。 3由于神经网络输出层的激活函数的值域是有限制的，因此需要将网络训练的目标数据映射到激活函数的值域。例如神经网络的输出层若采用S形激活函数，由于S形函数的值域限制在(0,1)，也就是说神经网络的输出只能限制在(0,1)，所以训练数据的输出就要归一化到[0,1]区间。 4S形激活函数在(0,1)区间以外区域很平缓，区分度太小。例如S形函数f(X)在参数a=1时，f(100)与f(5)只相差0.0067。 (3) 归一化算法? 　　一种简单而快速的归一化算法是线性转换算法。线性转换算法常见有两种形式： ?????? 1 y = ( x - min )/( max - min ) 　　其中min为x的最小值，max为x的最大值，输入向量为x，归一化后的输出向量为y 。上式将数据归一化到 [ 0 , 1 ]区间，当激活函数采用S形函数时（值域为(0,1)）时这条式子适用。 ?????? 2 y = 2 * ( x - min ) / ( max - min ) - 1 ?????? 这条公式将数据归一化到 [ -1 , 1 ] 区间。当激活函数采用双极S形函数（值域为(-1,1)）时这条式子适用。 (4) Matlab数据归一化处理函数? 　　Matlab中归一化处理数据可以采用premnmx ， postmnmx ， tramnmx 这3个函数。 1 premnmx 语法：[pn,minp,maxp,tn,mint,maxt] = premnmx(p,t) 参数： pn： p矩阵按行归一化后的矩阵 minp，maxp：p矩阵每一行的最小值，最大值 tn：t矩阵按行归一化后的矩阵 mint，maxt：t矩阵每一行的最小值，最大值 作用：将矩阵p，t归一化到[-1,1] ，主要用于归一化处理训练数据集。 2 tramnmx 语法：[pn] = tramnmx(p,minp,maxp) 参数： minp，maxp：premnmx函数计算的矩阵的最小，最大值 pn：归一化后的矩阵 作用：主要用于归一化处理待分类的输入数据。 3 postmnmx 语法： [p,t] = postmnmx(pn,minp,maxp,tn,mint,maxt) 参数： minp，maxp：premnmx函数计算的p矩阵每行的最小值，最大值 mint，maxt：premnmx函数计算的t矩阵每行的最小值，最大值 作用：将矩阵pn，tn映射回归一化处理前的范围。postmnmx函数主要用于将神经网络的输出结果映射回归一化前的数据范围。 2. 使用Matlab实现神经网络? 使用Matlab建立前馈神经网络主要会使用到下面3个函数： newff ：前馈网络创建函数 train：训练一个神经网络 sim ：使用网络进行仿真 ?下面简要介绍这3个函数的用法。 (1) newff函数 1newff函数语法? ?????? newff函数参数列表有很多的可选参数，具体可以参考Matlab的帮助文档，这里介绍newff函数的一种简单的形式。 语法：net = newff ( A, B, {C} ,‘trainFun’) 参数： A：一个n×2的矩阵，第i行元素为输入信号xi的最小值和最大值； B：一个k维行向量，其元素为网络中各层节点数； C：一个k维字符串行向量，每一分量为对应层神经元的激活函数； trainFun ：为学习规则采用的训练算法。表3.1 BP函数函数类型 函数名称 函数用途 前向网络创建函数 newcf 创建级联前向网络 Newff创建前向BP网络 传递函数 logsig S型的对数函数 tansig S型的正切函数 purelin 纯线性函数 学习函数 learngd 基于梯度下降法的学习函数 learngdm 梯度下降动量学习函数 性能函数 mse 均方误差函数 msereg 均方误差规范化函数 显示函数plotperf 绘制网络的性能 plotes绘制一个单独神经元的误差曲面 plotep 绘制权值和阈值在误差曲面上的位置 errsurf 计算单个神经元的误差曲面 3.1.1 BP网络创建函数 1) ne