1、Matlab nntool應用實例在MATLAE命令窗口中鍵入 nntool再按enter，會自動彈出下 面的 Network/Data Manager 窗口畫面Inputs :輸入值Targets :目標輸出值"put Delay States:輸入值欲延遲時間Networks :已建構的網絡Outputs :輸出值Errors :誤差值Layer Delay States:輸出值欲延遲時間Networks and Data Help:有關于此工具箱各個按鈕的說明New Data.:建立新網絡所須輸出入值、目標值、誤差、延遲New Network.:建立新網絡的類型、訓練函數、學習

2、函數、 隱藏層層數等Import.:匯入數據與網絡Export.:匯出數據與網絡View:開啟所選取的數據或網絡Delete:移除所選取的數據或網絡Networks onlyInitialize.:初始所選取的網絡Simulate.:仿真所選取的網絡Train.:訓練所選取的網絡Adapt.:適應訓練所選取的網絡下面以倒傳遞網絡作為例子說明nntool使用方式，共分成九個步驟vstep.1>將原始數據加載 MATLAB<step.2> 將 Workspace 中的變數匯入 nntoolvstep.3>建立網絡vstep.4網絡初始化 vstep.5訓練網絡vstep.6

3、仿真網絡step.7輸出模擬結果step.8儲存模擬結果 step.9力口載先前仿真過的網絡于nntool例：網絡目標是要根據21種光譜波長的測量值來預測三種不同血漿膽固醇（ldl、hdl和vldl）的高度。此網絡的架構為 21-15-3，它在隱藏層中具有tansig神經元，輸出層具有線性神 經元。step.1將原始數據加載 MATLAB在MATLAB令窗口鍵入load choles_all來將實驗數據加載，接著再鍵入who可以查看目前 MATLABT作空間中所有的變量名 稱，如圖1所示。點選 workspace中可看到變量 p是一個21x264 的矩陣，表示有21個輸入，264組數據；變量t

4、是一個3x264的 矩陣，表示有3個輸出，264組數據，使用鼠標右鍵 OpenSelection 可察看變量的所有數據，如圖2、圖3所示。34圖1?step1操作畫面圖2?變量p所有數據#圖 3? 變量 t 所有數據<step.2> 將 Workspace 中的變數匯入 nntool點選 Network/Data Manager 窗口中的 Import 按鈕 ，可以開啟如圖 4 的窗口， 在此窗口中點選變量 p， 將其設定為網絡的 Inputs ，接著點選 Import 按鈕；再點選變量 t ，將其設定為網絡的 Targets ，接 著點選 Import 按鈕。完成上述步驟后，在

5、Network/Data Manager 窗口中可看到 p 位于 Inputs 欄框 內， t 位于 Targets 欄框內，如圖 5 所示。5圖4?點選Import按鈕所出現的窗口，目前動作是選取p當做網絡的輸入圖5?將p與t匯入nntool的成功畫面<step.3>建立網絡點選 Network/Data Manager 窗口中的 New Network 按鈕，可以進 入建立網絡的窗口，如圖6、圖7所示。設定完成后點選 Create按鈕建立網絡，在 Network/Data Manager 窗口中的 Networks欄 框內會出現test的網絡名稱（設定網絡時可自訂名稱），如圖8

6、所 示。此時，可點選 Network/Data Manager 窗口中的 View按鈕可 觀看網絡的架構圖，如圖 9所示。Network Name :輸入網絡名稱，如 test 。Network Type :網絡類型，女口 Feed-forward backprop（前饋倒傳遞）。S put ranges :輸入的范圍，如Get from山put p，由下拉式選 單選取。Training function :訓練函數，如 TRAINLM（LM算法）。Adaption learning function :適應性學習函數，如LEARNGDM具動量的梯度下降法）Performance functi

7、on:性能函數，如 MSE均方誤差）。Number of layers :隱藏層的層數，如2。Properties for:由下拉式選單選取欲進行設定的隱藏層，如Layer 1 。Number of neurons :隱藏層1中神經元的數目，女口15。Transfer function :隱藏層1所使用的轉移函數類型，如TANSIG圖6?建立網絡的窗口，目前動作為設定隱藏層1的性質2的性質圖8?網絡建立完成后會在 Networks欄框中出現建立的網絡名稱vstep.4網絡初始化點選 Network/Data Manager 窗口中的 Initialize 按鈕，即可進 入網絡初始化的窗口，如圖

8、10所示。在圖10中的I叩ut ranges欄框中，可以看到每個輸入值的范圍（即輸入數據的最小值與最大 值），在此可變更輸入范圍。另外在 Weights分頁，如圖11所示， 可看到網絡的所有權重值及偏權值，這邊也可變更。目前，圖11的權重值及偏權值，都是網絡建立后自動產生的初始值，它是利 用網絡建立的其中一個指令newff所內定的一個初始函數initnw所計算出來的。圖10?網絡初始化的畫面圖11?網絡權重值設定的畫面vstep.5訓練網絡點選Network/Data Manager窗口中的Train 按鈕，會出現如圖12的畫面。在訓練網絡之前，首先要進行訓練參數的設定，設定畫面如圖13所示，

9、接著，在 Training info分頁中設定訓練的輸入 為p，訓練的目標輸出為t o設定完畢后點選 Train Network按鈕， 開始訓練網絡，此時，會自動跳出訓練過程的畫面， 如圖14所示。 待訓練完畢后，同樣可在如圖11的weights分頁中查看訓練后的 權重值。回圖13?訓練參數的設定畫面epochs :訓練的最大循環次數goal :性能目標max_fail :最大驗證數據失敗的次數 mem_reduc降低內存需求的系數min_grad :最小性能梯度mu動量的初始值mu_dec動量減少系數mu_inc :動量增加系數mu_max動量最大值show :每格多少訓練循環次數會顯示訓練

10、過程 time :最大的訓練所須時間，單位為秒圖14?訓練過程的畫面vstep.6仿真網絡模擬之前首先設定模擬的輸入值和模擬輸出的變量名稱，如圖15所示，設定完畢后點選Simulate Network按鈕執行仿真，完成仿真后在 Network/Data Manager 窗口的 Outputs 欄框及 Errors 欄 框會出現輸出值的變量名稱。圖15?網絡仿真的畫面 vstep.7輸出模擬結果點選Network/Data Manager 窗口中的Export按鈕 可輸出目前網 絡的信息，可以選取任何一個或全部的變量來輸出。在此，先點選 test_outputs 后，再點選 Export 按鈕，

11、在 MATLAB Workspace 會出現test_outputs 變量，點選 test_outputs變量再點擊鼠標右鍵Open Selection可察看變量的所有數據，如圖16、圖17所示。網絡輸出值與目標輸出值一同輸出的結果如圖18、圖19、圖20所示，相減之后所得誤差如圖21、圖22、圖23、圖24所示。圖16?將網絡變量輸出的執行畫面11圖17?模擬后輸出值的內容12圖18?網絡輸出值（第一組數據）與目標輸出值（第一組數據）一同輸出的結果圖19?網絡輸出值（第二組數據）與目標輸出值（第二組數據） 一同輸出的結果圖20?網絡輸出值（第三組數據）與目標輸出值（第三組數據） 一同輸出的結

12、果圖21?第一組資料的誤差圖22?第二組資料的誤差圖23?第三組資料的誤差圖24?網絡輸出值與目標輸出值的誤差vstep.8儲存模擬結果在圖16的畫面中，選取網絡的所有變量，再點選 Save按鈕，會開啟如下圖25所示的窗口，將結果及整個網絡架構儲存成MAT文件，在此，中，如圖26 所示圖25?儲存網絡結果的執行畫面圖26?儲存成功的檔案，在此，檔案位于 C:MATLAB7work資料夾中vstep.9加載先前仿真過的網絡于nntool我們可以將步驟8所儲存的網絡于下次重新啟動MATLAB寸加載使用，首先在 MATLAB令窗口中鍵入 nntool再按enter，點選Network/Data Ma

13、nager窗口中的 Import 按鈕，勾選 Load from disk file ，再點選Browse按鈕尋找欲加載的檔案，找到檔案后在Select a Variable 欄框會出現網絡的名稱及網絡的所有變量，如圖27所示，再來點選網絡名稱test ,勾選Network，最后點選Load 按鈕完成網絡的加載。ps :在儲存網絡時，所有的變量都轉換成單元數組的形式儲存， 所以無法直接加載 nntool ,必須先將這些變量以指令 cell2mat 轉換成矩陣的形式才能加載到nntool中，轉換完畢后加載動作如上述動作圖27?加載網絡的執行畫面Neural Network Design在MATLA命令窗口鍵入 nndtoc再按enter，會出現如下圖 28所 示的畫面，此程序介紹了許多類神經網絡的運作流程。16