newff函数的函数参数？matlab中建立bp神经网络的函数newff的第二个参数的问题

本文目录

• newff函数的函数参数
• matlab中建立bp神经网络的函数newff的第二个参数的问题
• matlab里面的newff函数怎么回事
• Matlab用newff，建立网络，是这个过程吗
• matlab关于newff
• newff函数丢失

newff函数的函数参数

newff函数的格式为：net=newff(PR,,{TF1 TF2...TFN},BTF,BLF,PF），函数newff建立一个可训练的前馈网络。输入参数说明：PR：Rx2的矩阵以定义R个输入向量的最小值和最大值；Si：第i层神经元个数；TFi：第i层的传递函数，默认函数为tansig函数；BTF：训练函数，默认函数为trainlm函数；BLF：权值/阈值学习函数，默认函数为learngdm函数；PF：性能函数，默认函数为mse函数。

matlab中建立bp神经网络的函数newff的第二个参数的问题

1.newff虽然没有规定输入层神经元个数，那输入层神经元个数是如何确定的？输入层是根据你读入数据的维度，自动生成的。2.我现在读入了10张图片，把每张图片归一化成了50*20的，并转换成1*1000的行向量，最后生成了10*1000的二维矩阵，然后，我再用eye（10,10）函数制造了一个单位矩阵，那么，这个神经网络的输入层神经元个数到底是由谁确定的？个数是多少？你用来训练神经网络的是哪个矩阵？由训练矩阵的维度确定。3.还是上头2里的条件，newff的隐含层当然是2层，那么，每层的神经元个数应该如何确定？个数应为多少？第一层由输入数据维度决定，设为k；第二层神经元个数没有理论依据，一般在k~2*k左右进行实验，根据结果定具体个数；输出层神经元个数由问题决定，如果是要把10张图分成两类，那么就是2个节点。

matlab里面的newff函数怎么回事

我复制的，感觉非常详细能解决您的问题。matlab 中“newff” 函数的使用方法技巧｜和各参数的意义先来一个简单的源程序让大家练习一下：% Here input P and targets T define a simple function which % we can plot: p = ; t = ; plot(p,t,’o’) net = newff(,{’tansig’ ’purelin’},’trainlm’); y1 = sim(net,p) plot(p,t,’o’,p,y1,’x’) Here the network is trained for up to 50 epochs to a error goal of 0.01, and then resimulated. net.trainParam.epochs = 50; net.trainParam.goal = 0.01; net = train(net,p,t); y2 = sim(net,p) plot(p,t,’o’,p,y1,’x’,p,y2,’*’) 设是测试样本；net=newrb(P,T,err_goal,spread); %建立网络q=sim(net,p);e=q-T;plot(p,q); %画训练误差曲线q=sim(net,X);e=q-Y;plot(X,q); %画测试误差曲线训练前馈网络的第一步是建立网络对象。函数newff建立一个可训练的前馈网络。这需要4个输入参数。第一个参数是一个Rx2的矩阵以定义R个输入向量的最小值和最大值。第二个参数是一个设定每层神经元个数的数组。第三个参数是包含每层用到的传递函数名称的细胞数组。最后一个参数是用到的训练函数的名称。举个例子，下面命令将创建一个二层网络。它的输入是两个元素的向量，第一层有三个神经元(3)，第二层有一个神经元(1)。第一层的传递函数是tan-sigmoid，输出层的传递函数是linear。输入向量的第一个元素的范围是-1到2，训练函数是traingd。　　net=newff(,{’tansig’,’purelin’},’traingd’); 这个命令建立了网络对象并且初始化了网络权重和偏置，因此网络就可以进行训练了。我们可能要多次重新初始化权重或者进行自定义的初始化。下面就是初始化的详细步骤。　　在训练前馈网络之前，权重和偏置必须被初始化。初始化权重和偏置的工作用命令init来实现。这个函数接收网络对象并初始化权重和偏置后返回网络对象。下面就是网络如何初始化的：　　net = init(net);　　我们可以通过设定网络参数net.initFcn和net.layer{i}.initFcn这一技巧来初始化一个给定的网络。net.initFcn用来决定整个网络的初始化函数。前馈网络的缺省值为initlay，它允许每一层用单独的初始化函数。设定了net.initFcn ，那么参数net.layer{i}.initFcn 也要设定用来决定每一层的初始化函数。　　对前馈网络来说，有两种不同的初始化方式经常被用到：initwb和initnw。initwb函数根据每一层自己的初始化参数(net.inputWeights{i,j}.initFcn)初始化权重矩阵和偏置。前馈网络的初始化权重通常设为rands，它使权重在-1到1之间随机取值。这种方式经常用在转换函数是线性函数时。initnw通常用于转换函数是曲线函数。它根据Nguyen和Widrow为层产生初始权重和偏置值，使得每层神经元的活动区域能大致平坦的分布在输入空间。它比起单纯的给权重和偏置随机赋值有以下优点：（1）减少神经元的浪费（因为所有神经元的活动区域都在输入空间内）。（2）有更快的训练速度（因为输入空间的每个区域都在活动的神经元范围中）。　　初始化函数被newff所调用。因此当网络创建时，它根据缺省的参数自动初始化。init不需要单独的调用。可是我们可能要重新初始化权重和偏置或者进行自定义的初始化。例如，我们用newff创建的网络，它缺省用initnw来初始化第一层。如果我们想要用rands重新初始化第一层的权重和偏置，我们用以下命令：　　net.layers{1}.initFcn = ’initwb’;　　net.inputWeights{1,1}.initFcn = ’rands’;　　net.biases{1,1}.initFcn = ’rands’;　　net.biases{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net.IW{1,1}可以看到第一个输入接点到第一隐含层的权重向量；net.LW{2,1}可以看到隐含层到输出层的权值向量；net.b{1,1}是隐含层的阀值向量，net.b{2,1}是输出接点的阀值；在多输入输出下先用net.IWnet.LWnet.b查看各矩阵结构，再相应用net.IW{?,?}等语句查到相关的向量

Matlab用newff，建立网络，是这个过程吗

newff（）是创建一个前馈BP网络函数，是建立神经网络中的一种，而sim（）、newfftd（）、newcf（）等也都是建立神经网络的函数。不建立网络，就不能进行神经网络学习。

matlab关于newff

P=; T=; net=newff(,{’tansig’,’purelin’});%你个错误是（{’tansig’’purelin’});中少了一个逗号

newff函数丢失

因为运行路径出现问题。newff在确定网络结构后会自动调用init函数用缺省参数来初始化网络中各个权重和阈值，产生一个可训练的前馈网络，即该函数的返回值为net。newff函数，指的是训练前馈网络的第一步是建立网络对象，实质是newff函数的参数。