各函数的解释如下:
1 newff:BP神经网络参数设置函数
函数功能:构建一个BP神经网络。
函数形式:net = newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)
P:输入数据矩阵
T:输出数据矩阵
S:隐含层节点数
TF:节点传递函数,包括硬限幅传递函数hardlim,对称硬限幅传递函数hardlims,线性传递函数purelin,正切S型传递函数tansig,对数S型传递函数logsig
BTF:训练函数,包括梯度下降BP算法训练函数traingd,动量反传的梯度下降BP算法训练函数traingdm,动态自适应学习率的梯度下降BP算法训练函数traingda,动量反传和动态自适应学习率的梯度下降BP算法训练函数traingdx,Levenberg_Marquardt的BP算法训练函数trainlm
BLF:网络学习函数,包括BP学习规则learngd,带动量项的BP学习规则learngdm
PF:性能分析函数,包括均值绝对误差性能分析函数mae,均方差性能分析函数mse
IPF:输入处理函数
OPF:输出处理函数
DDF:验证数据划分函数
一般在使用过程中设置前六个参数,后四个参数采用系统默认参数。
2 train:BP神经网络训练函数
函数功能:用训练数据训练BP神经网络。
函数形式:[net,tr] = train(NET,X,T,Pi,Ai)
NET:待训练网络
X:输入数据矩阵
T:输出数据矩阵
Pi:初始化输入层条件
Ai:初始化输出层条件
net:训练好的网络
tr:训练过程记录
一般在使用过程中设置前三个参数,后两个参数采用系统默认参数。
3 sim:BP神经网络预测函数
函数功能:用训练好的BP神经网络预测函数输出
函数形式:y=sim(net,x)
net:训练好的网络
x:输入数据
y:网络预测数据
只要我们能够熟练掌握上述三个函数,就可以完整的编写一个BP神经网络预测或者分类的程序。
最新评论