神经网络工具箱函数.docxVIP

神经网络工具箱函数 函数与网络类型 assocl 相关学习规则 backpop BP网络 elma n Elman反馈网络 hopfield hopfiield反馈网络 linnet 线性网络 Ivq 学习向量量化网络 percpt 感知器网络 selforg 自组织网络 函数分类说明 分析函数 errsurf 单输入神经元误差面 maxlinlr 线性神经元最大学习速率 距离函数 boxdist 两个位置向量之间的距离 dist 欧几里得距离函数 linkdist Link距离函数 man dist Manhattan距离函数 图形接口函数 n ntool 神经网络工具箱图形用户界面 网络差初始化函数 initnw Nguyen-Widrow层初始化函数 initwb 阈值和权值层初始化函数 学习函数 lear neon Conscience阈值学习函数 lear ngd 梯度下降法权值/阈值学习函数  lear ngdm 带有动量的梯度下降权值/阈值学习函数 learnh Hebb权值学习函数 lear nhd 退化的Hebb权值学习函数 learnis 内星(Instar)权值学习函数 lear nk Kohonen权值学习函数 learnlvl LVQ1权值学习函数 learnlv2L VQ2权值学习函数 lear nos 外星(Outstar)权值学习函数 lear np 感知器权值和阈值学习函数 lear npn 标准化感矢11器权值和阈值学习函数 lear nsom 自组织映射权值学习函数 lear nwh Widow-Hoff权值和阈值学习函数 线性搜索函数 srchbac 应用回退搜索法的一维最小化 srchbre 应用Brent方法的一维间距定位 srchcha 应用Vharalambous方法的一维最小化 srchgol 应用黄金分割搜索法的一维最小化 srchhyb 应用二元/三元综合搜索法的一维最小化 网络输入导数函数 dn etprod 网络输入求积的导数函数 dn tsum 网络输入求和的导数函数 网络输入函数 n etprod 网络输入求积函数 n etsum 网络输入求和函数 网络初始化 in itlay 逐层网络初始化函数 网络应用函数 adapt 允许一个神经网络自适应调节 disp 显示一个神经网络的属性  display 显示一个神经网络变量的名称和属性 init 初始化一个神经网络 sim 仿真一个神经网络 train 训练一个神经网络 网络创建函数 n etwork 创建一个自定义神经网络 n ewe 创建一个竞争层 n ewef 创建一个多层前馈BP网络 n ewelm 创建一个Elman BP网络 n ewff 创建一个前馈BP网络 newffd 创建一个前馈输入延迟BP网络 n ewgr nn 创建一个广义回归神经网络 n ewhop 创建一个hopfield反馈网络 newlin 创建一个线性层 n ewli nd 设计一个线性层 n ewlvq 创建一个学习向量量化网络 n ewp 创建一个感知器网络 n ewp nn 设计-个概率神经网络 newrb 设计一个径向基函数网络 n ewbe 设计一个严格径向基函数网络 n ewsom 创建一个自组织特征映射 性能函数的导数函数 dmae 平均绝对误差性能函数导数 dmse 均方误差性能函数导数 dmsereg 均方误差w/reg性能函数导数 dsse 误差平方和性能函数导数 性能函数 mae 平均绝对误差性能函数 mse 均方误差性能函数  msereg 均方误差w/reg性能函数 sse 误差平方和性能函数 绘图函数 hintonw 权值矩阵的hinton图 hintonwb 权值矩阵和阈值向量的hinton图 plotbr 绘制应用bayesian规则训练的网络 plotep 绘制权值和阈值在误差面上的位置 plotes 绘制单输入神经元的误差面 plotpc 在感知器向量图上绘制分类线 plotperf 绘制网络性能函数 plotpv 绘制感知器输入/输出向量 plotsom 绘制自组织特征映射 plotv 将向量绘制成从原点出发的直线 plotvec 用不同的颜色绘制向量 预处理和后处理函数 postm nmx 将已被prenmmx规范化的数据进行反规范化处理 posterg 应用线性回归分析对网络响应进行后期处理 poststd 将已被prestd.规划化的数据进行反规范化处理 premnmx 数据规范化和1之间） prepca 对输入数据进行主要组成部分的分析 prestd 数据规范化（均值为0,单位标准差） tramnmx 传递预处理最大最小值的数据 trapca 传递经过prepca计算过的pea矩