2015讲义_4.2BP网络设计及实例解读.ppt

BP网络相关函数详解 函数名称 功能 logsig Log-Sigmoid函数 tansig Tan-Sigmoid函数 newff 创建一个BP网络 feedforwardnet 创建一个BP网络（推荐使用） newcf 创建级联的前向神经网络 cascadeforwardnet 创建级联的前向神经网络（推荐使用） newfftd 创建前馈输入延迟的BP网络 5.BP网络相关函数详解 logsig——Log-Sigmoid传输函数 Log-Sigmoid函数的特点是 范围的数据被映射到区间 可以使用下面的代码将神经网络节点的传输函数定义为Log-Sigmoid函数： net.layers{i}.transferFcn=’logsig’; 5.BP网络相关函数详解 tansig——Tan-Sigmoid传输函数 tansig 是双曲正切Sigmoid函数，调用形式与logsig函数相同。取值范围： x=-4:.1:4; y=tansig(x); % Tag-Sigmoid函数 plot(x,y,^-r) title(Tan-sig 函数) xlabel(x) ylabel(y) grid on 5.BP网络相关函数详解 dlogsig/dtansig——Sigmoid函数的导数 x=-4:.1:4; y=logsig(x); % logsig函数 dy=dlogsig(x,y); % logsig函数的导数 subplot(211) plot(x,y); title(logsig) subplot(212); plot(x,dy); title(dlogsig) 5.BP网络相关函数详解 newff——创建一个BP网络： 新版语法net=newff(P,T,S) P：R*Q1矩阵，表示创建的神经网络中，输入层有R个神经元。每行对应一个神经元输入数据的典型值，实际应用中常取其最大最小值。 T：SN*Q2矩阵，表示创建的网络有SN个输出层节点，每行是输出值的典型值 S：标量或向量，用于指定隐含层神经元个数，若隐含层多于一层，则写成行向量的形式。 旧版语法格式net=newff(P,N,TF,BTF) ： P表示输入向量的典型值， N为各层神经元的个数， TF为表示传输函数的细胞数组， BTF为训练函数 5.BP网络相关函数详解 旧版newff默认训练函数为traingdx（学习率自适应并附加动量因子的最速下降法），新版默认训练函数为trainlm。新版速度更快，但更占用内存 新版newff将输入的60%用于训练，20%用于检验，20%用于验证，采用了提前终止的策略，防止过拟合的情况发生。对于同一个问题，往往会出现新版最终训练误差大于旧版newff的情况。 用newff逼近二次函数，新版的函数误差比旧版函数大 example6_3.m 5.BP网络相关函数详解 feedforwardnet——创建一个BP网络 feedforwardnet是新版神经网络工具箱中替代newff的函数 feedforwardnet(hiddenSizes,trainFcn) hiddenSizes为隐含层的神经元节点个数，如果有多个隐含层，则hiddenSizes是一个行向量，缺省值为10。 trainFcn为训练函数，缺省值为’trainlm’。 [x,t] = simplefit_dataset; % MATLAB自带数据，x、t均为1*94向量 net = feedforwardnet; view(net) net = train(net,x,t); view(net) y = net(x); perf = perform(net,y,t) 5.BP网络相关函数详解 newcf——级联的前向神经网络 在新版中使用cascadeforwardnet函数代替 5.BP网络相关函数详解 net = newcf(P,T,[S1 S2...S(N-1)]) P：R*Q1矩阵，每行对应一个神经元输入数据的典型值。 T：SN*Q2矩阵，表示创建的网络有SN个输出层节点，每行是输出值的典型值。 Si：表示隐含层神经元个数，若隐含层多于一层，则写成行向量的形式。 与newff比较类似 5.BP网络相关函数详解 用newff和newcf对一段数据进行拟合，数据输入为向量 输出为 ，是一段折线。新版替代函数： cascadeforwardnet f2=cascadeforwardnet([3,5]); view(f2) rng(2) P