新版Matlab中神经网络训练函数Newff的详细讲解-新版Matlab中神经网络训练函数Newff的使用方法.doc

新版Matlab中神经网络训练函数Newff的详细讲解-新版Matlab中神经网络训练函数Newff的使用方法.doc 本帖最后由 小小2008鸟 于 2013-1-15 21:42 编辑 新版Matlab中神经网络训练函数Newff的详细讲解 一、   介绍新版newffSyntax·          net = newff],{TF1 TF2...TFNl}, BTF,BLF,PF,IPF,OPF,DDF) Descriptionnewff],{TF1 TF2...TFNl}, BTF,BLF,PF,IPF,OPF,DDF) takes several arguments PR x Q1 matrix of Q1 sample R-element input vectorsTSN x Q2 matrix of Q2 sample SN-element target vectorsSiSize of ith layer, for N-1 layers, default = [ ]. TFiTransfer function of ith layer. (Default = 'tansig' for hidden layers and 'purelin' for output layer.)BTFBackpropagation network training function BLFBackpropagation weight/bias learning function IPFRow cell array of input processing functions. OPFRow cell array of output processing functions. DDFData divison function ExamplesHere is a problem consisting of inputs P and targets T to be solved with a network.·          P = [0 1 2 3 4 5 6 7 8 9 10];T = [0 1 2 3 4 3 2 1 2 3 4];Here a network is created with one hidden layer of five neurons.·          net = newff;The network is simulated and its output plotted against the targets.·          Y = sim;plotThe network is trained for 50 epochs. Again the network's output is plotted.·          net.trainParam.epochs = 50;net = train;Y = sim; plot 二、   新版newff与旧版newff调用语法对比 Example1比如输入input（6*1000），输出output为（4*1000），那么旧版定义：net=newff,[14,4],{'tansig','purelin'},'trainlm');新版定义：net=newff; Example2比如输入input（6*1000），输出output为（4*1000），那么旧版定义：net=newff,[49,10,4],{'tansig','tansig','tansig'},'traingdx');新版定义：net=newff; 更详细请看word文档 新版Matlab中神经网络训练函数Newff的使用方法.doc 在新版的Matlab中，神经网络训练函数`newff`是一个强大的工具，用于构建和训练前馈神经网络。本文将详细介绍`newff`的使用方法，包括其语法、参数以及与旧版的区别。 一、`newff`函数的介绍与语法 `newff`函数的基本语法如下： ```matlab net = newff(P, T, [S1 S2... S(N-l)], {TF1 TF2... TFNl}, BTF, BLF, PF, IPF, OPF, DDF) ``` - `P`: PR x Q1维矩阵，包含Q1个R元素的输入向量。 - `T`: TSN x Q2维矩阵，包含Q2个SN元素的目标向量。 - `[S1 S2... S(N-l)]`: 层的大小，用于N-1层，默认值为[]。输出层大小SN由目标向量T决定。 - `{TF1 TF2... TFNl}`: 各层的转换函数，默认隐藏层为`tansig`，输出层为`purelin`。 - `BTF`: 反向传播网络训练函数，默认为`trainlm`。 - `BLF`: 反向传播权重/偏置学习函数，默认为`learngdm`。 - `PF`: 输入处理函数的行cell数组，默认为`{'fixunknowns','removeconstantrows','mapminmax'}`。 - `IPF`: 输出处理函数的行cell数组，默认为`{'removeconstantrows','mapminmax'}`。 - `DDF`: 数据分割函数，默认为`dividerand`。 例如，创建一个包含一个隐藏层（五个人工神经元）的网络，输入P和目标T的数据，可以这样调用： ```matlab P = [0 1 2 3 4 5 6 7 8 9 10]; T = [0 1 2 3 4 3 2 1 2 3 4]; net = newff(P, T, 5); ``` 然后，可以模拟网络并将其输出与目标进行比较： ```matlab Y = sim(net, P); plot(P, T, P, Y, 'o'); ``` 训练网络50个周期，并再次绘制输出： ```matlab net.trainParam.epochs = 50; net = train(net, P, T); Y = sim(net, P); plot(P, T, P, Y, 'o'); ``` 二、新版`newff`与旧版`newff`的调用语法对比 新版`newff`的调用方式更加直观，不再需要对输入数据进行预处理，如`minmax`。以下是两个示例： - 旧版定义： ```matlab net = newff(minmax(input), [14,4], {'tansig','purelin'}, 'trainlm'); ``` 新版定义： ```matlab net = newff(input, output, 14, {'tansig','purelin'}, 'trainlm'); ``` - 旧版定义： ```matlab net = newff(minmax(input), [49,14,4], {'tansig','tansig','tansig'}, 'traingdx'); ``` 新版定义： ```matlab net = newff(input, output, [49,14], {'tansig','tansig','tansig'}, 'traingdx'); ``` 三、旧版`newff`在新版中的使用 虽然旧版的`newff`在新版Matlab中仍可运行，但会发出警告，提示使用方式已过时。为了避免这种警告，建议按照新版的调用方式进行重构。旧版的`minmax`预处理在新版中通常不再需要，因为`newff`现在能直接处理原始数据。 总结，新版的`newff`函数在Matlab中提供了更加灵活和直观的神经网络训练方式，简化了网络结构的定义，并且可以直接处理未经预处理的输入数据。在使用时，可以根据具体问题选择合适的网络结构、训练函数以及转换函数，通过模拟和训练过程优化网络性能。同时，要注意适应新版的调用语法，避免出现警告信息。