matlab神經(jīng)網(wǎng)絡工具箱創(chuàng)建神經(jīng)網(wǎng)絡為了看懂師兄的文章中使用的方法，研究了一下神經(jīng)網(wǎng)絡昨天花了一天的時間查怎么寫程序不能運行百度知道里倒是有一個，可以運行的，先貼著做標本%生成訓練樣本集clearall;clc;P=[1100.8072400.21511821.5;1102.8652400.11521212;1102.592400.11242411.5;2200.62400.31231821;22032400.32532111.5;1101.5622400.31531811.5;1100.5472400.3151921.5];01.3183000.11521812];T=[54248162787168380314797;28614639586963782898;86002402710644415328084;230802445102362823335913;602571278927675373541;346159353280762110049;56783172907164548144040];@907117437120368130179];m=max(max(P));n=max(max(T));P=P'/m;T=T'/n;%-------------------------------------------------------------------------%pr(1:9,1)=0;%pr(1:9,2)=1;bpnet=newff(pr,[124],{'logsig','logsig'},'traingdx','learngdm');%建立BP神經(jīng)網(wǎng)絡，12個隱層神經(jīng)元，個輸出神經(jīng)元%tranferFcn屬性%tranferFcn屬性

'logsi''logsi'

隱層采用Sigmoid傳輸函數(shù)輸出層采用Sigmoid傳輸函%trainFcn屬性'traingdx'自適應調(diào)整學習速率附加動量因子梯度下降反向傳播算法訓練函數(shù)%learn'learngdm'附加動量因子的梯度下降學習函數(shù)net.trainParam.epochs=1000;%允許最大訓練步數(shù)1000net.trainParam.goal=0.001;%訓練目標最小誤差0.001net.trainParam.show=10;%每間隔10步顯示一次訓練結果net.trainParam.lr=0.05;%學習速率0.05bpnet=train(bpnet,P,T);%-------------------------------------------------------------------------p=[1101.3183000.11521812];p=p'/m;r=sim(bpnet,p);R=r'*n;display(R);運行的結果是出現(xiàn)這樣的界面點擊performance，trainingstate，以及regression分別出現(xiàn)下面的界面再搜索，發(fā)現(xiàn)可以通過神經(jīng)網(wǎng)絡工具箱來創(chuàng)建神經(jīng)網(wǎng)絡，比較友好的GUI界面，在輸入命令里入點擊import之后就出現(xiàn)下面的具體的設置神經(jīng)網(wǎng)絡參數(shù)的對話界面，這是輸入輸出數(shù)據(jù)的對話窗首先是訓練數(shù)據(jù)的輸入然后點擊new，創(chuàng)建一個新的神經(jīng)網(wǎng)絡network1，并設置其輸入輸出數(shù)據(jù)，包括名稱，神經(jīng)網(wǎng)絡的類型以及隱含層的層數(shù)和節(jié)點數(shù)，還有隱含層及輸出層的訓練函數(shù)等點擊view，可以看到這是神經(jīng)網(wǎng)絡的可視化直觀表達創(chuàng)建好了一個network擊ope輸入輸出數(shù)據(jù)后，點擊train，神經(jīng)網(wǎng)絡開始訓練，如右下方的圖，可以顯示動態(tài)結果下面三個圖形則是點擊performance，trainingstate以及regression而出現(xiàn)的下面就是simulate，輸入的數(shù)據(jù)是用來檢驗這個網(wǎng)絡的數(shù)據(jù)，output改一個名字，這樣就把輸出數(shù)據(jù)和誤差都存放起來了在主界面上點擊export就能將得到的out結果輸入到matlab中并查看下圖就是輸出的兩個outputs結果becontinue……20111130神經(jīng)網(wǎng)絡工具箱版本7.0（R2010b）圖形用戶界面功能。nnstart-動Il-神經(jīng)網(wǎng)分工具nftol-具l-神經(jīng)絡的練具nptol-神經(jīng)網(wǎng)絡式識工具nttol-NFTol神經(jīng)絡時序列工具nnool-神經(jīng)網(wǎng)絡工具箱圖形用界面。查看-查看個經(jīng)網(wǎng)。網(wǎng)絡建功能。cacdeowrdet-串級，饋神網(wǎng)。-競爭經(jīng)。-分布時的經(jīng)網(wǎng)。elanet-Eln。fwt-前饋神網(wǎng)。finet-函數(shù)擬神網(wǎng)絡。-分層遞歸經(jīng)網(wǎng)。-線神。lnt-（L。nanet-非線性自合的時序列網(wǎng)。-非線自合間列外輸絡。nwrn-設計一個義回神經(jīng)網(wǎng)。nehop-建立常性的Hopfield網(wǎng)絡。newlind-設計一線層。nepnn-設計率神網(wǎng)。nb-徑向網(wǎng)設。nwbe-設計一個切的向基網(wǎng)。paternet-神經(jīng)網(wǎng)絡式別。感知-。p-自組特映。-時滯網(wǎng)。利網(wǎng)。網(wǎng)絡-創(chuàng)建一自定神經(jīng)網(wǎng)。SIM卡-模擬個經(jīng)網(wǎng)。初始化-初始化一個經(jīng)絡。適應-允許一神經(jīng)絡來適。火車-。P鍵-顯示一神經(jīng)絡的屬。顯示-顯示的稱和經(jīng)網(wǎng)絡性-添加延遲神網(wǎng)絡反應。closeoop-神經(jīng)網(wǎng)絡的開放饋轉換到閉反饋回。formb-表格偏見和單個向的權重。gb-將作單的絡差。nop-刪除神經(jīng)網(wǎng)絡開放和關反饋回路。開環(huán)-。-刪除延遲神經(jīng)絡的應。sepraewb-獨立偏和量/偏向的重。stb-將所有與單矢量網(wǎng)絡值和偏。Smlnk持。gesm-生成Siunk模來神網(wǎng)。stiit-集神絡的Smik模塊始件gsit-獲取經(jīng)絡Silk模塊初件神元-絡Siunk模庫。培職。trinb-批具有重量與見學習則的培訓。traibfg-的S擬牛倒。tranbr-貝葉的P。u-。trinuwb-與體重無監(jiān)督學規(guī)則與偏一批培訓。traic-量/偏培。tringb-共軛鮑威爾比爾重啟動梯度向傳播。tringf-共軛萊徹-里夫斯更梯度向傳。tringp-共軛波拉克-e。d-梯度下降向播。trigda-應R。traigdm-與動量度降。-梯降特/慣性應LR反播。tim-用Leebg-馬奎傳。traioss-一步線傳。trir-隨機重量/偏見培。tranrp-RPOP。tranru-無監(jiān)督隨機偏見培訓。火車-量/偏見。traiscg-規(guī)模共度BP法。繪功。pocfson-圖分混矩。plercrr-誤差自相關間序圖。plterhst-繪制誤直圖。plfit-。r-圖輸入錯誤的時序列的相關。ploterfrm-小區(qū)網(wǎng)能。porrsin-線性回節(jié)。porpne-。c-繪制受試工特征。pltsmits-小區(qū)自組圖來打。plotsmnc-小區(qū)自組織射鄰居連接。plosomd-小區(qū)自組織映鄰居的離。plosomlaes-小區(qū)自組織射重量飛機。plosomos-小區(qū)自組織射重量場。plotsmtop-小區(qū)自組織射的撲結構。plotransate-情節(jié)訓狀值。pltb-圖寒春重量偏差圖。列出其神經(jīng)網(wǎng)實現(xiàn)的能。nnaapt-。nndriatve-衍功。nne-距離。nin-除功。-初始化能。niiewrk-初始化絡能。nnnwegt-初始