神经网络笔记.docVIP

matlab中的归一化处理有三种方法1. premnmx、postmnmx、tramnmx2. restd、poststd、trastd3. 自己编程 如下: x=[68.7 ? 66.6 ? 5610 ? 19.2;89.9 ? 90.8 ? 4500 ? 11.8;120.8 ? 120.6 ? 6800 ? 20.6;169 ? 40.4 ? 6160 ? 40.6;180.8 ? 69.8 ? 7330 ? 33.4;190.3 ? 130.2 ? 7320 ? 31.6;109.8 ? 151.1 ? 5754 ? 86.1;33.2 ? 61.4 ? 8255 ? 22.6;111.7 ? 126.6 ? 7040 ? 13.6;] t=xfor i=1:4t1(i,:)=(t(i,:)-min(t(i,:)))/(max(t(i,:))-min(t(i,:)))end premnmx语句的语法格式是：[Pn,minp,maxp,Tn,mint,maxt]=premnmx(P,T)其中P，T分别为原始输入和输出数据，minp和maxp分别为P中的最小值和最大值。mint和maxt分别为T的最小值和最大值。premnmx函数用于将网络的输入数据或输出数据进行归一化，归一化后的数据将分布在[-1,1]区间内。我们在训练网络时如果所用的是经过归一化的样本数据，那么以后使用网络时所用的新数据也应该和样本数据接受相同的预处理，这就要用到tramnmx。下面介绍tramnmx函数：[Pn]=tramnmx(P,minp,maxp)其中P和Pn分别为变换前、后的输入数据，maxp和minp分别为premnmx函数找到的最大值和最小值。 找到比较好的结果后，用命令save filename net;保存网络，可使预测的结果不会变化，调用时用命令load filename net; 神经网络工具箱包含在nnet目录中，键入help nnet可得到帮助主题。 显示向导要讨论的神经网络例子和应用代码可以通过键入help nndemos找到。 安装神经网络工具箱的指令可以在下列两份MATLAB文档中找到：the Installation Guide for MS-Windows and Macintosh 或者the Installation Guide for UNIX。 n = -5:0.1:5; plot(n,hardlim(n),c+:); 它产生一张在-5到5之间的阶跃函数图。 当网络中存在延迟时，顺序发生的输入向量就要按一定的序列输入网络。 常用的前馈型BP网络的转移函数有logsig，tansig，有时也会用到线性函数purelin。 tansig、logsig和purelin都有对应的导函数dtansig、dlogsig和dpurelin。 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[NgWi90] 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。 。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); BP网络是一种多层前馈神经网络, 因采用误差反向传播