說明:這裡所列出的函式適用於 matlab5.3 以上版本,為了簡明起見,只列出了函式名,
若需要進一步的說明,請參閱 matlab 的幫助文件。
newp 建立感知器網路
newlind 設計一線性層
newlin 建立一線性層
newff 建立一前饋 bp 網路
newcf 建立一多層前饋 bp 網路
newfftd 建立一前饋輸入延遲 bp 網路
newrb 設計一徑向基網路
newrbe 設計一嚴格的徑向基網路
newgrnn 設計一廣義回歸神經網路
newpnn 設計一概率神經網路
newc 建立一競爭層
newsom 建立一自組織特徵對映
newhop 建立一 hopfield 遞迴網路
newelm 建立一 elman 遞迴網路
sim **乙個神經網路
init 初始化乙個神經網路
adapt 神經網路的自適應化
train 訓練乙個神經網路
dotprod 權函式的點積
ddotprod 權函式點積的導數
dist euclidean 距離權函式
normprod 規範點積權函式
negdist negative 距離權函式
mandist manhattan 距離權函式
linkdist link 距離權函式
netsum 網路輸入函式的求和
dnetsum 網路輸入函式求和的導數
hardlim 硬限幅傳遞函式
hardlims 對稱硬限幅傳遞函式
purelin 線性傳遞函式
tansig 正切 s 型傳遞函式
logsig 對數 s 型傳遞函式
dpurelin 線性傳遞函式的導數
dtansig 正切 s 型傳遞函式的導數
dlogsig 對數 s 型傳遞函式的導數
compet 競爭傳遞函式
radbas 徑向基傳遞函式
satlins 對稱飽和線性傳遞函式
initlay 層與層之間的網路初始化函式
initwb 閾值與權值的初始化函式
initzero 零權/閾值的初始化函式
initnw nguyen_widrow 層的初始化函式
initcon conscience 閾值的初始化函式
midpoint 中點權值初始化函式
mae 均值絕對誤差效能分析函式
mse 均方差效能分析函式
msereg 均方差 w/reg 效能分析函式
dmse 均方差效能分析函式的導數
dmsereg 均方差 w/reg 效能分析函式的導數
learnp 感知器學習函式
learnpn 標準感知器學習函式
learnwh widrow_hoff 學習規則
learngd bp 學習規則
learngdm 帶動量項的 bp 學習規則
learnk kohonen 權學習函式
learncon conscience 閾值學習函式
learnsom 自組織對映權學習函式
adaptwb 網路權與閾值的自適應函式
trainwb 網路權與閾值的訓練函式
traingd 梯度下降的 bp 演算法訓練函式
traingdm 梯度下降 w/動量的 bp 演算法訓練函式
traingda 梯度下降 w/自適應 lr 的 bp 演算法訓練函式
traingdx 梯度下降 w/動量和自適應 lr 的 bp 演算法訓練函式
trainlm levenberg_marquardt 的 bp 演算法訓練函式
trainwbl 每個訓練週期用乙個權值向量或偏差向量的訓練函式
maxlinlr 線性學習層的最大學習率
errsurf 誤差曲面
plotes 繪製誤差曲面
plotep 繪製權和閾值在誤差曲面上的位置
plotsom 繪製自組織對映圖
ind2vec 轉換下標成為向量
vec2ind 轉換向量成為下標向量
gridtop 網路層拓撲函式
hextop 六角層拓撲函式
randtop 隨機層拓撲函式
你的三連擊是對我最大的肯定!!!來讓更多的人看到它吧。。。 MATLAB神經網路工具箱函式
說明 本文件中所列出的函式適用於matlab5.3以上版本,為了簡明起見,只列出了函式名,若需要進一步的說明,請參閱matlab的幫助文件。1.網路建立函式 newp 建立感知器網路 newlind 設計一線性層 newlin 建立一線性層 newff 建立一前饋bp網路 newcf 建立一多層前饋...
matlab神經網路工具箱
1 聚類 2 輸入輸出得擬合關係 3 模式識別和分類 4 動態時間序列 下面我們分別來看一下這些神經網路工具箱得使用 這是乙個簡單的對輸入輸出資料進行擬合得工具箱,使用具有隱藏層得神經網路結構。在本文中選取樣例,13 256得矩陣,表示256個人得13項身體指標樣本資料。在進行了前面比較簡單的選擇之...
Matlab神經網路工具箱應用簡介
第一章 介紹 1 神經網路 神經網路是單個並行處理元素的集合,我們從生物學神經系統得到啟發。在自然界,網路功能主要由神經節決定,我們可以通過改變連線點的權重來訓練神經網路完成特定的功能。一般的神經網路都是可調節的,或者說可訓練的,這樣乙個特定的輸入便可得到要求的輸出。如下圖所示。這裡,網路根據輸出和...