资源描述：
《MATLAB神经网络工具箱》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、MATLAB神经网络工具箱介绍神经元模型NeuronModel：多输入，单输出，带偏置输入:R维列向量权值:R维行向量阈值:标量求和单元传递函数输出常用传递函数(激发函数)aWp-b1-1阈值函数MATLAB函数:hardlimMATLAB函数:hardlims双极形式线性函数PurelinTransferFunction：anMATLAB函数:purelinSigmoid函数SigmoidFunction：特性：值域a∈(0,1)非线性，单调性无限次可微
2、n
3、较小时可近似线性函数
4、n
5、较大时可近似阈值函数MATLAB函数:logsig(对数),tansig(正切)对数Sigmoid函数
6、正切Sigmoid函数单层神经网络模型R维输入,S个神经元的单层神经网络模型多层神经网络模型前馈神经网络前馈神经网络(feedforwardNN)：各神经元接受前级输入，并输出到下一级，无反馈，可用一有向无环图表示。前馈网络通常分为不同的层(layer)，第i层的输入只与第i-1层的输出联结。可见层：输入层(inputlayer)和输出层(outputlayer)隐藏层(hiddenlayer)：中间层感知器(perceptron):单层前馈网络传递函数为阈值函数主要功能是模式分类感知器的生成函数newp用来生成一个感知器神经网络net=newp(pr,s,tf,lf)net:函数返回参
7、数,表示生成的感知器网络pr:一个R×2矩阵,由R维输入向量的每维最小值和最大值组成s:神经元的个数tf:感知器的传递函数,默认为hardlim,可选hardlimslf:感知器的学习函数,默认为learnp,可选learnpnnet=newp([-2,+2;-2,+2],2)%生成一个二维输入,两个神经元的感知器newp感知器的权值和阈值初始化newp默认权值和阈值为零(零初始化函数initzero).net=newp([-2,+2;-2,+2],2);W=net.IW{1,1}%显示网络的权值b=net.b{1}%显示网络的阈值W=0000b=00改变默认初始化函数为随机函数rand
8、snet.inputweights{1,1}.initFcn=‘rands’;net.biases{1}.InitFcn=‘rands’;net=init(net);%重新初始化直接初始化定义权值和阈值net.IW{1,1}=[12];net.b{1}=1感知器学习感知器学习算法权值增量:阈值增量:权值更新:阈值更新:算法改进输入样本归一化权值和阈值训练与学习函数trainnet=train(net,P,T)设计好的感知器并不能马上投入使用.通过样本训练,确定感知器的权值和阈值.输入向量目标向量被训练网络net.trainParam.epochs=10;%预定的最大训练次数为10,感知器
9、经过最多训练10次后停止,adaptnet=adapt(net,P,T)自适应训练函数权值和阈值学习函数learnpdW=learnp(W,P,Z,N,A,T,E,D,gW,gA,LP,LS)dW:权值或阈值的增量矩阵W:权值矩阵或阈值向量P:输入向量T:目标向量E:误差向量其他可以忽略,设为[]learnpn归一化学习函数网络仿真函数sima=sim(net,P)输入向量网络输出分类结果显示绘图函数plotpvplotpv(P,T)plotpcplotpc(W,b)画输入向量的图像画分类线根据给定的样本输入向量P和目标向量T,以及需分类的向量组Q,创建一个感知器,对其进行分类.例:创建
10、一个感知器P=[-0.5-0.60.7;0.800.1];%已知样本输入向量T=[110];%已知样本目标向量net=newp([-11;-11],1);%创建感知器handle=plotpc(net.iw{1},net.b{1});%返回划线的句柄net.trainParam.epochs=10;%设置训练最大次数net=train(net,P,T);%训练网络Q=[0.60.9-0.1;-0.1-0.50.5];%已知待分类向量Y=sim(net,Q);%二元分类仿真结果figure;%新建图形窗口plotpv(Q,Y);%画输入向量handle=plotpc(net.iw{1},n
11、et.b{1},handle)%画分类线BP网络多层前馈网络主要功能:函数逼近,模式识别,信息分类,数据压缩传递函数:隐层采用S形函数,输出层S形函数或线性函数BP网络的生成newff函数newff用来生成一个BP网络net=newff(PR,[S1S2...SN],{TF1TF2...TFN},BTF,BLF,PF)PR:一个R×2矩阵,由R维输入向量的每维最小值和最大值组成Si:第i层的神经元个数TFi:第i层的传递函数,默认为
