matlab神经网络工具箱创建神经网络

为了看懂师兄的文章中使用的方法，研究了一下神经网络

昨天花了一天的时间查怎么写程序，但是费了半天劲，不能运行，百度知道里倒是有一个，可以运行的，先贴着做标本

% 生成训练样本集

clear all;

clc;

P=[110 0.807 240 0.2 15 1 18 2 1.5;

110 2.865 240 0.1 15 2 12 1 2;

110 2.59 240 0.1 12 4 24 1 1.5;

220 0.6 240 0.3 12 3 18 2 1;

220 3 240 0.3 25 3 21 1 1.5;

110 1.562 240 0.3 15 3 18 1 1.5;

110 0.547 240 0.3 15 1 9 2 1.5];

0 1.318 300 0.1 15 2 18 1 2];

T=[54248 162787 168380 314797;

28614 63958 69637 82898;

86002 402710 644415 328084;

230802 445102 362823 335913;

60257 127892 76753 73541;

34615 93532 80762 110049;

56783 172907 164548 144040];

@907 117437 120368 130179];

m=max(max(P));

n=max(max(T));

P=P'/m;

T=T'/n;

%-------------------------------------------------------------------------%

pr(1:9,1)=0; %输入矢量的取值范围矩阵

pr(1:9,2)=1;

bpnet=newff(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm');

%建立BP神经网络， 12个隐层神经元，4个输出神经元

%tranferFcn属性 'logsig' 隐层采用Sigmoid传输函数

%tranferFcn属性 'logsig' 输出层采用Sigmoid传输函数

%trainFcn属性 'traingdx' 自适应调整学习速率附加动量因子梯度下降反向传播算法训练函数

%learn属性 'learngdm' 附加动量因子的梯度下降学习函数

net.trainParam.epochs=1000;%允许最大训练步数2000步

net.trainParam.goal=0.001; %训练目标最小误差0.001

net.trainParam.show=10; %每间隔100步显示一次训练结果

net.trainParam.lr=0.05; %学习速率0.05

bpnet=train(bpnet,P,T);

%-------------------------------------------------------------------------

p=[110 1.318 300 0.1 15 2 18 1 2];

p=p'/m;

r=sim(bpnet,p);

R=r'*n;

display(R);

运行的结果是出现这样的界面

点击performance，training state，以及regression分别出现下面的界面

再搜索，发现可以通过神经网络工具箱来创建神经网络，比较友好的GUI界面，在输入命令里面输入nntool，就可以开始了。

点击import之后就出现下面的具体的设置神经网络参数的对话界面，

这是输入输出数据的对话窗

首先是训练数据的输入

然后点击new，创建一个新的神经网络network1，并设置其输入输出数据，包括名称，神经网络的类型以及隐含层的层数和节点数，还有隐含层及输出层的训练函数等

点击view，可以看到这是神经网络的可视化直观表达

创建好了一个network之后，点击open，可以看到一个神经网络训练，优化等的对话框，选择了输入输出数据后，点击train，神经网络开始训练，如右下方的图，可以显示动态结果

下面三个图形则是点击performance，training state以及regression而出现的

下面就是simulate，输入的数据是用来检验这个网络的数据，output改一个名字，这样就把输出数据和误差都存放起来了

在主界面上点击export就能将得到的out结果输入到matlab中并查看

下图就是输出的两个outputs结果

还在继续挖掘，to be continue……

神经网络工具箱

  版本7.0（R2010b）



  图形用户界面功能。

    nnstart
- 神经网络启动GUI

    nctool
- 神经网络分类工具

    nftool
- 神经网络的拟合工具

    nntraintool
- 神经网络的训练工具

    nprtool
- 神经网络模式识别工具

    ntstool
- NFTool神经网络时间序列的工具

    nntool
- 神经网络工具箱的图形用户界面。

    查看
- 查看一个神经网络。



  网络的建立功能。

    cascadeforwardnet
- 串级，前馈神经网络。

    competlayer
- 竞争神经层。

    distdelaynet
- 分布时滞的神经网络。

    elmannet
- Elman神经网络。

    feedforwardnet
- 前馈神经网络。

    fitnet
- 函数拟合神经网络。

    layrecnet
- 分层递归神经网络。

    linearlayer
- 线性神经层。

    lvqnet
- 学习矢量量化（LVQ）神经网络。

    narnet
- 非线性自结合的时间序列网络。

    narxnet
- 非线性自结合的时间序列与外部输入网络。

    newgrnn
- 设计一个广义回归神经网络。

    newhop
- 建立经常性的Hopfield网络。

    newlind
- 设计一个线性层。

    newpnn
- 设计概率神经网络。

    newrb
- 径向基网络设计。

    newrbe
- 设计一个确切的径向基网络。

    patternnet
- 神经网络模式识别。

    感知
- 感知。

    selforgmap
- 自组织特征映射。

    timedelaynet
- 时滞神经网络。



  利用网络。

    网络
- 创建一个自定义神经网络。

    SIM卡
- 模拟一个神经网络。

    初始化
- 初始化一个神经网络。

    适应
- 允许一个神经网络来适应。

    火车
- 火车的神经网络。

    DISP键
- 显示一个神经网络的属性。

    显示
- 显示的名称和神经网络属性

    adddelay
- 添加延迟神经网络的反应。

    closeloop
- 神经网络的开放反馈转换到关闭反馈回路。

    formwb
- 表格偏见和成单个向量的权重。

    getwb
- 将它作为一个单一向量中的所有网络权值和偏差。

    noloop
- 删除神经网络的开放和关闭反馈回路。

    开环
- 转换神经网络反馈，打开封闭的反馈循环。

    removedelay
- 删除延迟神经网络的反应。

    separatewb
- 独立的偏见和重量/偏置向量的权重。

    setwb
- 将所有与单个矢量网络权值和偏差。



  Simulink的支持。

    gensim
- 生成Simulink模块来模拟神经网络。

    setsiminit
- 集神经网络的Simulink模块的初始条件

    getsiminit
- 获取神经网络Simulink模块的初始条件

    神经元
- 神经网络Simulink的模块库。



  培训职能。

    trainb
- 批具有重量与偏见学习规则的培训。

    trainbfg
- 的BFGS拟牛顿倒传递。

    trainbr
- 贝叶斯规则的BP算法。

    trainbu
- 与重量与偏见一批无监督学习规则的培训。

    trainbuwb
- 与体重无监督学习规则与偏见一批培训。

    trainc
- 循环顺序重量/偏见的培训。

    traincgb
- 共轭鲍威尔比尔重新启动梯度反向传播。

    traincgf
- 共轭弗莱彻-里夫斯更新梯度反向传播。

    traincgp
- 共轭波拉克- Ribiere更新梯度反向传播。

    traingd
- 梯度下降反向传播。

    traingda
- 具有自适应LR的反向传播梯度下降。

    traingdm
- 与动量梯度下降。

    traingdx
- 梯度下降瓦特/惯性与自适应LR的反向传播。

    trainlm
- 采用Levenberg -马奎德倒传递。

    trainoss
- 一步割线倒传递。

    trainr
- 随机重量/偏见的培训。

    trainrp
- RPROP反向传播。

    trainru
- 无监督随机重量/偏见的培训。

    火车
- 顺序重量/偏见的培训。

    trainscg
- 规模化共轭梯度BP算法。



  绘图功能。

    plotconfusion
- 图分类混淆矩阵。

    ploterrcorr
- 误差自相关时间序列图。

    ploterrhist
- 绘制误差直方图。

    plotfit
- 绘图功能适合。

    plotinerrcorr
- 图输入错误的时间序列的互相关。

    plotperform
- 小区网络性能。

    plotregression
- 线性回归情节。

    plotresponse
- 动态网络图的时间序列响应。

    plotroc
- 绘制受试者工作特征。

    plotsomhits
- 小区自组织图来样打。

    plotsomnc
- 小区自组织映射邻居的连接。

    plotsomnd
- 小区自组织映射邻居的距离。

    plotsomplanes
- 小区自组织映射重量的飞机。

    plotsompos
- 小区自组织映射重量立场。

    plotsomtop
- 小区自组织映射的拓扑结构。

    plottrainstate
- 情节训练状态值。

    plotwb
- 图寒春重量和偏差值图。



  列出其他神经网络实现的功能。

    nnadapt
- 适应职能。

    nnderivative
- 衍生功能。

    nndistance
- 距离函数。

    nndivision
- 除功能。

    nninitlayer
- 初始化层功能。

    nninitnetwork
- 初始化网络功能。

    nninitweight
- 初始化权函数。

    nnlearn
- 学习功能。

    nnnetinput
- 净输入功能。

    nnperformance
- 性能的功能。

    nnprocess
- 处理功能。

    nnsearch
- 线搜索功能。

    nntopology
- 拓扑结构的功能。

    nntransfer
- 传递函数。

    nnweight
- 重量的功能。



  示例，数据集和其他资源

    nndemos
- 神经网络工具箱的示威。

    nndatasets
- 神经网络工具箱的数据集。

    nntextdemos
- 神经网络设计教科书的示威。

    nntextbook
- 神经网络设计教科书的资讯。

巴特西

matlab神经网络工具箱创建神经网络

最新文章

热门文章