MATLAB神经网络工具箱函数命令集

### MATLAB神经网络工具箱函数命令集 #### 一、简介 MATLAB作为一款强大的数学计算软件，在科学研究与工程应用领域有着广泛的应用。特别是在神经网络领域，MATLAB提供了丰富的内置函数来帮助用户构建、训练和应用各种类型的神经网络模型。本文档主要介绍了MATLAB5.3及以上版本中神经网络工具箱的一些常用函数及其功能。 #### 二、网络创建 1. **newp**: 创建一个感知器神经网络。 2. **newlind**: 创建一个单层线性网络。 3. **newlin**: 创建一个多层线性网络。 4. **newff**: 创建一个前馈型BP（Back Propagation）神经网络。 5. **newcf**: 创建一个前馈型BP神经网络（基于竞争学习）。 6. **newfftd**: 创建一个动态前馈型BP神经网络。 7. **newrb**: 创建一个径向基函数神经网络。 8. **newrbe**: 创建一个增强型径向基函数神经网络。 9. **newgrnn**: 创建一个广义回归神经网络。 10. **newpnn**: 创建一个概率神经网络。 11. **newc**: 创建一个自组织特征映射网络。 12. **newsom**: 创建一个自组织特征映射网络（Kohonen Map）。 13. **newhop**: 创建一个Hopfield神经网络。 14. **newelm**: 创建一个Elman神经网络。 #### 三、网络响应 1. **sim**: 模拟神经网络的输出。 2. **init**: 初始化神经网络的权重和阈值。 3. **adapt**: 对神经网络进行适应性训练。 4. **train**: 对神经网络进行训练。 #### 四、权重操作 1. **dotprod**: 计算权重的点积。 2. **ddotprod**: 计算权重的点积的导数。 3. **dist**: 计算输入之间的欧几里得距离。 4. **normprod**: 计算权重的规范化乘积。 5. **negdist**: 计算负距离。 6. **mandist**: 计算曼哈顿距离。 7. **linkdist**: 计算链接距离。 #### 五、加权求和 1. **netsum**: 执行加权求和运算。 2. **dnetsum**: 执行加权求和运算的导数。 #### 六、转移函数 1. **hardlim**: 阶跃转移函数。 2. **hardlims**: 偏移阶跃转移函数。 3. **purelin**: 线性转移函数。 4. **tansig**: 双曲正切sigmoid转移函数。 5. **logsig**: 对数sigmoid转移函数。 6. **dpurelin**: 线性转移函数的导数。 7. **dtansig**: 双曲正切sigmoid转移函数的导数。 8. **dlogsig**: 对数sigmoid转移函数的导数。 9. **compet**: 竞争式转移函数。 10. **radbas**: 径向基函数转移函数。 11. **satlins**: 双斜坡线性转移函数。 #### 七、初始化函数 1. **initlay**: 初始化网络层的参数。 2. **initwb**: 初始化网络的权重和偏差。 3. **initzero**: 将权重和偏差初始化为零。 4. **initnw**: 使用Nguyen-Widrow方法初始化权重和偏差。 5. **initcon**: 使用“良心”初始化方法初始化偏差。 #### 八、性能度量 1. **mae**: 计算平均绝对误差。 2. **mse**: 计算均方误差。 3. **msereg**: 计算带有正则化的均方误差。 4. **dmse**: 计算均方误差的导数。 5. **dmsereg**: 计算带有正则化的均方误差的导数。 #### 九、学习函数 1. **learnp**: 感知器学习规则。 2. **learnpn**: 有偏置感知器学习规则。 3. **learnwh**: Widrow-Hoff学习规则。 4. **learngd**: 标准BP学习算法。 5. **learngdm**: 动态动量BP学习算法。 6. **learnk**: Kohonen自组织特征映射学习算法。 7. **learncon**: “良心”偏差学习规则。 8. **learnsom**: SOM（自组织映射）学习规则。 #### 十、适应性调整 1. **adaptwb**: 调整权重和偏差。 #### 十一、训练函数 1. **trainwb**: 调整权重和偏差。 2. **traingd**: 动态动量BP训练算法。 3. **traingdm**: 动态动量+学习率BP训练算法。 4. **traingda**: 动态动量+学习率BP训练算法（适应性）。 5. **traingdx**: 动态动量+学习率BP训练算法（适应性+梯度）。 6. **trainlm**: Levenberg-Marquardt BP训练算法。 7. **trainwbl**: 逐个调整权重和偏差。 #### 十二、其他函数 1. **maxlinlr**: 计算最大线性学习率。 2. **errsurf**: 绘制误差曲面。 #### 十三、绘图函数 1. **plotes**: 绘制误差与步数的关系图。 2. **plotep**: 绘制权重和偏差与性能的关系图。 3. **plotsom**: 绘制自组织映射网络图。 #### 十四、索引转换函数 1. **ind2vec**: 将索引转换为向量形式。 2. **vec2ind**: 将向量形式转换为索引。 #### 十五、拓扑结构函数 1. **gridtop**: 生成网格拓扑结构。 2. **hextop**: 生成六边形拓扑结构。 3. **randtop**: 生成随机拓扑结构。 以上列出的是MATLAB神经网络工具箱中的部分函数，它们共同构成了一个强大的神经网络开发平台。通过这些函数，用户可以方便地构建复杂的神经网络模型，并进行有效的训练和应用。需要注意的是，具体函数的使用细节和参数设置还需参考MATLAB的帮助文档。