Matlab 中神经网络算法指令newff的使用.pdf

Matlab 中神经网络算法指令 newff 的使用
设[P,T]是训练样本，[X,Y]是测试样本；
net=newrb(P,T,err_goal,spread); %建立网络
q=sim(ne1}.initFcn = 'rands';
{1,1}.initFcn = 'rands';
{2,1}.initFcn = 'rands';
net = init(net);
IW: 输入层到隐含层的权重矩阵
LW: 隐含层和输出层间的权重矩阵
b: 阀值向量
如网络为 net, 输入层和输出均为一个接点情况下，则用
{1,1}可以看到第一个输入接点到第一隐含层的权重向量；
{2,1}可以看到隐含层到输出层的权值向量；
{1,1}是隐含层的阀值向量，
{2,1}是输出接点的阀值；
在多输入输出下先用



查看各矩阵结构，再相应用 {?,?}等语句查到相关的向量
_______________________________________________________________________________
_______________
clear all;
%define the input and output
p= [974 874 527;
388 466 1764;
1316 2439 2251;
1836 2410 1860;
1557 2301 1578;
1490 1877 2749;
1513 1278 2026;
1070 1561 2794;
1347 2415 3306;
1324 2746 1233;
1383 1463 1847;
1282 0 2347];
t=[19797 24282 34548];
% 创建 bp 网络和定义训练函数
% 这里是为了方便而建立一个矩阵，注意是 12x2，不是 3x2
pr=[ 527 974;
388 1764;1316 2439;
1836 2410;
1557 2301;
1490 2749;
1278 2026;
1070 2794;
1347 3306;
1233 2746;
1383 1847;
0 2347]
net=newff(pr,[15,1],{'tansig' 'purelin'},'trainlm'); %这里要加入输出层的转移函数，一般是
trainlm
=50;
=5000;
%训练神经网络
[net,tr]=train(net,p,t);
%输出训练后的权值和阈值
iw1={1};
b1={1};
lw2={2};
b2={2};
%存储训练好的神经网络