Matlab的神经网络工具箱入门-推荐下载
(完整word版)Matlab的神经网络工具箱入门
Matlab的神经网络工具箱入门在command window中键入help nnet>> help nnetNeural Network ToolboxVersion 7.0 (R2010b) 03-Aug-2010神经网络工具箱版本7.0（R2010b）03八月，2010图形用户界面功能。
nnstart - 神经网络启动GUInctool - 神经网络分类工具nftool - 神经网络的拟合工具nntraintool - 神经网络的训练工具nprtool - 神经网络模式识别工具ntstool - NFTool神经网络时间序列的工具nntool - 神经网络工具箱的图形用户界面。
查看- 查看一个神经网络。
网络的建立功能。
cascadeforwardnet - 串级，前馈神经网络。
competlayer - 竞争神经层。
distdelaynet - 分布时滞的神经网络。
elmannet - Elman神经网络。
feedforwardnet - 前馈神经网络。
fitnet - 函数拟合神经网络。
layrecnet - 分层递归神经网络。
linearlayer - 线性神经层。
lvqnet - 学习矢量量化（LVQ）神经网络。
narnet - 非线性自结合的时间序列网络。
narxnet - 非线性自结合的时间序列与外部输入网络。
newgrnn - 设计一个广义回归神经网络。
newhop - 建立经常性的Hopfield网络。
newlind - 设计一个线性层。
newpnn - 设计概率神经网络。
newrb - 径向基网络设计。
newrbe - 设计一个确切的径向基网络。
patternnet - 神经网络模式识别。
感知- 感知。
selforgmap - 自组织特征映射。
timedelaynet - 时滞神经网络。
利用网络。
网络- 创建一个自定义神经网络。
SIM卡- 模拟一个神经网络。
初始化- 初始化一个神经网络。
Matlab神经网络工具箱介绍ppt课件
自然语言处理
利用神经网络实现文本分类、机器翻译等功 能。
计算机视觉
通过神经网络提高图像识别、目标检测等任 务的准确率。
语音识别
利用神经网络实现更高效和准确的语音转文 字和语音合成。
控制与决策
在机器人、自动驾驶等领域，神经网络能够 提高系统的智能水平和决策能力。
THANKS.
MATLAB神经网络工具箱特点
易于使用 高度可定制 强大的可视化功能 广泛的集成
MATLAB神经网络工具箱提供了直观的图形用户界面，使得用 户可以轻松地创建、训练和测试神经网络模型。
用户可以根据需要自定义神经网络的架构、训练参数和性能指 标。
该工具箱支持数据可视化，使得用户可以更好地理解数据和神 经网络的性能。
初始化网络权重
随机初始化神经网络的权 重和偏置项。
训练神经网络
前向传播
根据输入数据计算输出结果， 计算误差。
反向传播
根据误差调整权重和偏置项， 更新网络参数。
选择优化算法
选择适合的优化算法，如梯度 下降、牛顿法等。
设置训练参数
设置训练轮数、学习率等参数 ，控制训练过程。
测试神经网络
01
测试数据集
混合模型
结合多种神经网络结构和 算法，实现更高效和准确 的预测。
MATLAB神经网络工具箱未来发展方向
集成更多算法
不断集成最新的神经网络算法，满足不同领域 的需求。
优化工具箱性能
提高工具箱的运行速度和稳定性，降低使用门 槛。
增强可视化功能
提供更丰富的可视化工具，帮助用户更好地理解和分析神经网络。
神经网络在人工智能领域的应用前景
MATLAB神经网络
02
工具箱
Matlab神经网络工具箱(经典教程)
输入向量元素经加权矩阵 W 作用输入网络。
W= 注意加权矩阵 W 的行标标记权重的目的神经元，列标标记待加权的输入标号。因此，的
乘上权重
得到加权值输入求和节点。它们的和是 Wp，单行矩阵 W 和向量 p 的点乘。
这个神经元有一个偏置 b，它加在加权的输入上得到网络输入 n，和值 n 是转移函数 f 的参数。表达式自然可用 MATLAB 代码表示为： n =W*p + b
可是，用户很少要写如此底层的代码，因为这些代码已经被建立到函数中来定义和模拟 整个网络。上面所示的图包括了许多细节。当我们考虑有许多神经元和可能是许多神经元组 成的多层网络时，我们可能会漏掉许多细节。因此，作者设计了一个简洁的符号代表单个神 经元。这个符号如下图中所示，它将会在以后的多重神经元电路中用到。
标号表示从输入信号的第二个元素到第一个神经元的权重是 。有 S 个神经元和 R 个输入元 素的神经网络也能够简化成以下符号：
这里，p 是一个有 R 个元素的输入向量，W 是一个 SxR 的矩阵，a 和 b 是有 S 个元素 的向量。如前面所定义的，神经元层包括权重矩阵，乘法运算，偏置向量 b，求和符和转移 函数框。
神经网络领域已经有 50 年的历史了，但是实际的应用却是在最近 15 年里，如今神经网 络仍快速发展着。因此，它显然不同与控制系统和最优化系统领域，它们的术语、数学理论 和设计过程都已牢固的建立和应用了好多年。我们没有把神经网络工具箱仅看作一个能正常 运行的建好的处理轮廓。我们宁愿希望它能成为一个有用的工业、教育和研究工具，一个能 够帮助用户找到什么能够做什么不能做的工具，一个能够帮助发展和拓宽神经网络领域的工 具。因为这个领域和它的材料是如此新，这个工具箱将给我们解释处理过程，讲述怎样运用 它们，并且举例说明它们的成功和失败。我们相信要成功和满意的使用这个工具箱，对范例 和它们的应用的理解是很重要的，并且如果没有这些说明那么用户的埋怨和质询就会把我们 淹没。所以如果我们包括了大量的说明性材料，请保持耐心。我们希望这些材料能对你有帮 助。
Matlab的神经网络工具箱实用指南
Matlab的神经网络工具箱实用指南第一章介绍1．神经网络神经网络是单个并行处理元素的集合，我们从生物学神经系统得到启发。
在自然界，网络功能主要由神经节决定，我们可以通过改变连接点的权重来训练神经网络完成特定的功能。
一般的神经网络都是可调节的，或者说可训练的，这样一个特定的输入便可得到要求的输出。
如下图所示。
这里，网络根据输出和目标的比较而调整，直到网络输出和目标匹配。
作为典型，许多输入/目标对应的方法已被用在有监督模式中来训练神经网络。
由基于一系列（一套）完整的输入向量的权值和偏置值能确定一个一系列的网络学习。
提交过独立输入向量后，递增训练按需要改变权值和偏置值。
递增训练有时被成为实时训练或者可适应性训练。
神经网络已经在各个领域中应用，以实现各种复杂的功能。
这些领域包括：模式识别、鉴定、分类、语音、翻译和控制系统。
在第一章给出了一系列应用。
如今神经网络能够用来解决常规计算机和人难以解决的问题。
我们主要通过这个工具箱来建立示范的神经网络系统，并应用到工程、金融和其他实际项目中去。
一般普遍使用有监督训练方法，但是也能够通过无监督的训练方法或者直接设计得到其他的神经网络。
例如：无监督网络可以被应用在数据组的辨别上。
一些特定种类的线形网络和Hopfield网络是直接设计的。
总的来说，有各种各样的设计和学习方法来丰富用户的选择。
神经网络领域已经有50年的历史了，但是实际的应用却是在最近15年里，如今神经网络仍快速发展着。
因此，它显然不同与控制系统和最优化系统领域，它们的术语、数学理论和设计过程都已牢固的建立和应用了好多年。
我们没有把神经网络工具箱仅看作一个能正常运行的建好的处理过程。
我们宁愿希望它能成为一个有用的工业、教育和研究工具，一个能够帮助用户找到什么能够做什么不能做的工具，一个能够帮助发展和拓宽神经网络领域的工具。
因为这个领域和它的材料是如此新，这个工具箱将给我们解释处理过程，讲述怎样运用它们，并且举例说明它们的成功和失败。
MATLAB神经网络工具箱中的神经网络模型共55页课件
阈值向量b(t)
标量元素bi (t ) ,i为行,t为时间或迭代函数
网络层符号
加 个权神和经元: ,nns为mm 加,m权为和第m个网络层, s m 为第
网 个络神层经输元出,a为: a输smm出, m为第m个网络层, s m 为第 s m
p2 2,2
p{2}2(,2)
例:
iw
1 ,1 2 ,3
=
iw{1,1}2(,3)
p1,(k1) p{1,k1}
p2 2,(k 1)p{2,k1 }2()
神经网络工具箱常用函数列表
重要的感知器神经网络函数：
初始化： initp 训练： trainp 仿真： simup 学习规则： learnp
Hardlim x>=0 y=1;x<0 y=0 Hardlims:x>=0 y=1; x<0 y=-1 Purelin :y=x Satlin:x<0 y=0;x>1 y=1;x>=0&&x<=1 y=x;
Logsig:y= 1 1 ex
人工神经网络的构成
单个神经元的功能是很有限的，人工神经 网络只有用许多神经元按一定规则连接构 成的神经网络才具有强大的功能。
MATLAB工具箱中的神经网络结构
多层网络的简化表示:
MATLAB神经网络工具箱中的神经 网络模型
基本概念: 标量:小写字母,如a,b,c等; 列向量:小写黑体字母,如a,b,c等,意为一列
数; 矩阵向量:大写黑体字母,如A,B,C等
权值矩阵向量W(t)
标量元素 wi, j (t) ,i为行,j为列,t为时间或迭代
n
(整理)Matlab的神经网络工具箱实用指南.
Matlab的神经网络工具箱实用指南文章摘要:第一章是神经网络的基本介绍，第二章包括了由工具箱指定的有关网络结构和符号的基本材料以及建立神经网络的一些基本函数，例如new、init、adapt和train。
第三章以反向传播网络为例讲解了反向传播网络的原理和应用的基本过程。
第一章介绍1．神经网络神经网络是单个并行处理元素的集合，我们从生物学神经系统得到启发。
在自然界，网络功能主要由神经节决定，我们可以通过改变连接点的权重来训练神经网络完成特定的功能。
一般的神经网络都是可调节的，或者说可训练的，这样一个特定的输入便可得到要求的输出。
如下图所示。
这里，网络根据输出和目标的比较而调整，直到网络输出和目标匹配。
作为典型，许多输入/目标对应的方法已被用在有监督模式中来训练神经网络。
神经网络已经在各个领域中应用，以实现各种复杂的功能。
这些领域包括：模式识别、鉴定、分类、语音、翻译和控制系统。
如今神经网络能够用来解决常规计算机和人难以解决的问题。
我们主要通过这个工具箱来建立示范的神经网络系统，并应用到工程、金融和其他实际项目中去。
一般普遍使用有监督训练方法，但是也能够通过无监督的训练方法或者直接设计得到其他的神经网络。
无监督网络可以被应用在数据组的辨别上。
一些线形网络和Hopfield网络是直接设计的。
总的来说，有各种各样的设计和学习方法来增强用户的选择。
神经网络领域已经有50年的历史了，但是实际的应用却是在最近15年里，如今神经网络仍快速发展着。
因此，它显然不同与控制系统和最优化系统领域，它们的术语、数学理论和设计过程都已牢固的建立和应用了好多年。
我们没有把神经网络工具箱仅看作一个能正常运行的建好的处理轮廓。
我们宁愿希望它能成为一个有用的工业、教育和研究工具，一个能够帮助用户找到什么能够做什么不能做的工具，一个能够帮助发展和拓宽神经网络领域的工具。
因为这个领域和它的材料是如此新，这个工具箱将给我们解释处理过程，讲述怎样运用它们，并且举例说明它们的成功和失败。
Matlab神经网络工具箱介绍(Neural Network Toolbox)
2020/5/6
10
• <step.3>建立网络
• Network/Data
Manager窗口中New… 打开Create Network or Data，如右图。
• Name：定义网络名为 network1
• 选择Input/Target Data,设置训练函数等参 数。
• View：查看模型
2020/5/6
f ( p)
Forecasting error xn1 t '
2020/5/6
6
• <step.1>数据构造与预处理 •
2020/5/6
7
• <step.2>训练数据导入nntool
• 根据数据的多少，数据文件的格式等获取样本 数据的方法有：
• 1）直接输入数据：通过采用元素列表方式输 入。适用于样本数目较少时。New…按钮
2020/5/6
21
总结
需要注意的是,源文件名及路径名不能是汉 字,否则导致读取文件失败。
本部分介绍了MATLAB 神经网络工具箱的 图形用户界面,为尚不熟悉以MATLAB 编程进 行神经网络设计与仿真的用户提供了一个非常 好的交互式图形界,使得神经网络的设计和仿真 变得轻而易举。
2020/5/6
22
单击Simulate Network按钮,则在Network/ Data Manager窗口的Outputs和Errors区域分 别显示出相应的仿真结果，选中变量名,单击该 窗口的Open按钮,弹出数据窗口,在该窗口可以 查看仿真结果的具体数据,如图 所示。
2020/5/6
19
• <step.6>结果Export和Save
matlab神经网络工具箱简介和函数及示例参考PPT
代码运行结果： 网络训练误差
结论：隐含层节点设为8
BP网络训练步骤
步骤1: 初始化 步骤2:计算网络各层输出矢量 步骤3:计算网络各层反向传播的误差变化,并计算各 层权值的修正值及修正值 步骤4:再次计算权值修正后的误差 平方和 步骤5:检查误差 平方和是否小于 误差期望值,若是, 停止训练,否则继续.
函数类型 输入函数
其它
函数名 称
netsum netprcd concur dotprod
函数用途
输入求和函数 输入求积函数 使权值向量和阈值向量的结构一致 权值求积函数
BP网络的神经网络工具箱函数
函数类型
函数名称 函数用途
前向网络创建 函数
传递函数
学习函数
函数类型 性能函数 显示函数
函数名 函数用途 称
MATLAB的神经网络工具箱函
数
函数类型
通用函数
函数名 函数用途 称
仿真函数 训练函数
学习函数 初始化函数
SIM train trainh adapt learn int intlay
针对给定的输入，得到网络输出 调用其它训练函数，对网络进行训练 对权值和阈值进行训练 自适应函数 网络权值和阈值的学习 对网络进行初始化 对多层网络初始化
说明：
参数TFi可以采用任意的可微传递函数，比如transig， logsig和purelin等； 训练函数可以是任意的BP训练函数，如trainm，trainbfg， trainrp和traingd等。BTF默认采用trainlm是因为函数的速度 很快，但该函数的一个重要缺陷是运行过程会消耗大量的内 存资源。如果计算机内存不够大，不建议用trainlm，而建议 采用训练函数trainbfg或trainrp。虽然这两个函数的运行速度 比较慢，但它们的共同特点是内存占用量小，不至于出现训 练过程死机的情况。
MATLAB神经网络工具箱函数精品文档5页
MATLAB 神经网络工具箱函数说明：本文档中所列出的函数适用于 MATLAB5.3 以上版本，为了简明起见，只列出了函数名，若需要进一步的说明，请参阅 MATLAB 的帮助文档。
1. 网络创建函数newp 创建感知器网络newlind 设计一线性层newlin 创建一线性层newff 创建一前馈 BP 网络newcf 创建一多层前馈 BP 网络newfftd 创建一前馈输入延迟 BP 网络newrb 设计一径向基网络newrbe 设计一严格的径向基网络newgrnn 设计一广义回归神经网络newpnn 设计一概率神经网络newc 创建一竞争层newsom 创建一自组织特征映射newhop 创建一Hopfield 递归网络newelm 创建一 Elman 递归网络2. 网络应用函数sim 仿真一个神经网络init 初始化一个神经网络adapt 神经网络的自适应化train 训练一个神经网络3. 权函数dotprod 权函数的点积ddotprod 权函数点积的导数dist Euclidean 距离权函数normprod 规范点积权函数negdist Negative 距离权函数mandist Manhattan 距离权函数linkdist Link 距离权函数4. 网络输入函数netsum 网络输入函数的求和dnetsum 网络输入函数求和的导数5. 传递函数hardlim 硬限幅传递函数hardlims 对称硬限幅传递函数purelin 线性传递函数tansig 正切 S 型传递函数logsig 对数 S 型传递函数dpurelin 线性传递函数的导数dtansig 正切 S 型传递函数的导数 dlogsig 对数 S 型传递函数的导数compet 竞争传递函数radbas 径向基传递函数satlins 对称饱和线性传递函数6. 初始化函数initlay 层与层之间的网络初始化函数initwb 阈值与权值的初始化函数initzero 零权/阈值的初始化函数initnw Nguyen_Widrow 层的初始化函数initcon Conscience 阈值的初始化函数midpoint 中点权值初始化函数7. 性能分析函数mae 均值绝对误差性能分析函数mse 均方差性能分析函数msereg 均方差 w/reg 性能分析函数dmse 均方差性能分析函数的导数dmsereg 均方差 w/reg 性能分析函数的导数8. 学习函数learnp 感知器学习函数learnpn 标准感知器学习函数learnwh Widrow_Hoff 学习规则learngd BP 学习规则learngdm 带动量项的 BP 学习规则learnk Kohonen 权学习函数learncon Conscience 阈值学习函数learnsom 自组织映射权学习函数9. 自适应函数adaptwb 网络权与阈值的自适应函数10. 训练函数trainwb 网络权与阈值的训练函数traingd 梯度下降的 BP 算法训练函数traingdm 梯度下降 w/动量的 BP 算法训练函数traingda 梯度下降 w/自适应 lr 的 BP 算法训练函数traingdx 梯度下降 w/动量和自适应 lr 的 BP 算法训练函数trainlm Levenberg_Marquardt 的BP 算法训练函数trainwbl 每个训练周期用一个权值矢量或偏差矢量的训练函数11. 分析函数maxlinlr 线性学习层的最大学习率errsurf 误差曲面12. 绘图函数plotes 绘制误差曲面plotep 绘制权和阈值在误差曲面上的位置plotsom 绘制自组织映射图13. 符号变换函数 ind2vec 转换下标成为矢量vec2ind 转换矢量成为下标矢量14. 拓扑函数gridtop 网络层拓扑函数hextop 六角层拓扑函数randtop 随机层拓扑函数希望以上资料对你有所帮助，附励志名言3条：1、生气，就是拿别人的过错来惩罚自己。
Matlab神经网络工具箱介绍
2020/3/23
2
1图形用户界面简介
函数nntool 的详解见help文档。在MATLAB 命令窗口(command window)输入nntool, 按 Enter后即可打network\data manager(网络／ 数据管理器窗补如图1 所示。)
（或点击Start/Toolboxes/Neural Network）
• 2）Import from Matlab Workspace：Import… 按钮。
• 3）Load from disk file：适合从M-file 文件中 读取数据。 Import…按钮。
2020/3/23
8
ቤተ መጻሕፍቲ ባይዱ
2020/3/23
Import from Matlab Workspace 9
Load from disk file
2020/3/23
15
以上过程完成后,单击该页面的Train Network 按钮,开始训练,其训练过程如图9所示。
Algorithms：相关参数 Progress：终止条件（只要 一个满足则停止） Plots：各种图形曲线
2020/3/23 图9 训练误差性能曲线
16
训练完成后,在Network/Data Manager窗口 可以看到,在Outputs区域显示出输出变量名 network1 _outputs,在Errors区域显示出误差 性能变量名network1 _ errors。选中变量名,单 击该窗口的Open按钮,则弹出数据(Data)窗口, 在该窗口可以查看到该所选中变量的具体数据。
MATLAB-神经网络工具箱-PPT
可见层：输入层(input layer)和输出层(output layer)
隐藏层(hidden layer) ：中间层
感知器
感知器(perceptron):单层网络, 传递函数为阀值函数
主要功能是模式分类
感知器的生成
net = newp([-2,+2;-2,+2],2) %生成一个二维输入,两个神经元的感知器
感知器的权值和阀值初始化
newp默认权值和阀值为零(零初始化函数initzero).
net = newp([-2,+2;-2,+2],2);
W= b=
W=net.IW{1,1} %显示网络的权值 0 0 0
函数newp用来生成一个感知器神经网络
net = newp( pr, s, tf, lf )
➢ net: 函数返回参数,表示生成的感知器网络
➢ pr: 一个R×2矩阵, 由R维输入向量的每维最小值和最 大值组成
➢ s: ➢ tf: ➢ lf:
神经元的个数 感知器的传递函数, 默认为hardlim, 可选hardlims 感知器的学习函数,默认为learnp, 可选learnpn
网络输出
输入向量
➢分类结果显示绘图函数
plotpv
plotpv(P,T)
画输入向量的图像
plotpc
plotpc(W,b)
画分类线
例: 创建一个感知器
根据给定的样本输入向量P和目标向量T, 以及需分类 的向量组Q, 创建一个感知器, 对其进行分类.
P=[-0.5 -0.6 0.7;0.8 0 0.1]; T=[1 1 0]; net=newp([-1 1;-1 1],1); handle=plotpc(net.iw{1},net.b{1}); net.trainParam.epochs=10; net=train(net,P,T); Q=[0.6 0.9 -0.1;-0.1 -0.5 0.5]; Y=sim(net,Q); figure; plotpv(Q,Y); handle=plotpc(net.iw{1},net.b{1},handle)
第9章 MATLAB神经网络工具箱函数(教育课件)
研究学习
7
表1-1 神经网络的通用函数和功能
使网络的平均绝对误差和性能最小。平均绝对误 差性能函数的调用格式为：
perf=mae(E,w,pp) 式中 E为误差矩阵或向量（E=T-Y)。
研究学习
17
2．硬限幅传输函数hardlim( ) 硬限幅传输函数hardlim( )通过计算网络的输入得到
该层的输出。如果网络的输入达到门限，则硬限幅传 输函数的输出为1，否则为0。这表明神经元可用来作 出判断或分类。其调用格式为：
a= 1 -1 -1 1 11
研究学习
20
例1-2 建立一个感知机网络，使其能够完成“或”的 功能。 解 为了完成“或”函数，建立一个两输入、单输出 的一个单层感知机网络。 设输入向量为：X=[0 0 1 1;0 1 0 1]，
目标向量为：T=[0 1 1 1]。 激活函数取硬限幅传输函数。
根据感知机学习算法的计算步骤，利用MATLAB 的神经网络工具箱的有关函数编写的程序如下。
>>N=-5:0.1:5; >>a=hardlim(N);plot(N,a)
研究学习 图2-1 硬限幅传输函数曲线 19
3．对称硬限幅传输函数hardlims( ) 对称硬限幅传输函数hardlims( )通过计算网络的
输入得到该层的输出。如果网络的输入达到门限， 则硬限幅传输函数的输出为1，否则为-1。例 >>w=eye(3);b=-0.5*ones(3,1); >>X=[1 0;0 1;1 1]; >>a=hardlims(w*X,b) 结果显示：
MATLAB函数与神经网络工具箱
>> l=length(z(:,:,1)) >> n=numel(z) >> prod(size(z)) >> ndims(z) >> length(size(z))
MATLAB函数与神经网络工具箱
2.矩阵生成和基本运算
sum/prod
>> a=ones(2,3,2,'uint8');
>> s1=sum(a)
linspace函数用于产生线性等分向量
MATLAB函数与神经网络工具箱
2.矩阵生成和基本运算
>> a=linspace(1,100,50);
% a为线性等分向量
>> b=logspace(0,2,50);
% b为对数等分向量
>> plot(a,a,'o');
% 在线性坐标下绘制两者的示意图
>> hold on;
MATLAB函数与神经网络工 具箱
Outline
2.矩阵生成和基本运算 3.数学函数 4.图形相关函数
5.神经网络工具箱
命令 clear clf close clc home who whos pack format echo save load help
功能 清除工作空间中的所有变量 清除图形窗口的内容 关闭图形窗口 清除命令窗口中的内容，光标返回屏幕左上角 光标返回屏幕左上角 列出工作空间的变量 列出工作空间的变量及其详细信息 整理工作空间的内存 设置浮点数的输出格式 显示M文件中所执行的命令 保存工作空间的变量到文件 从文件加载变量到工作空间 在命令窗口查询函数或命令
MATLAB函数与神经网络工具箱
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
注册
别的不多说，你之所以来到这里神经网络工具箱是一个多么牛逼大东西想必你也知道，可是牛逼规牛逼这东东该怎么用呢，今天俺们就来研究一下。
先问问度娘，matlab神经网络工具箱该如何安装，末了发现这软件本身以经预装了这东东，这到省去了不少麻烦，真给力呀。
在command window中键入 help nnet
得到如下信息
>> help nnet
Neural Network Toolbox
Version 7.0 (R2010b) 03-Aug-2010
妈里个拔子的！，一大堆鸟语，由于怕吓着大家，所以原文我就不写拉，google翻译之。
的如下信息
神经网络工具箱
版本7.0（R2010b）03八月，2010
图形用户界面功能。
nnstart - 神经网络启动GUI
nctool - 神经网络分类工具
nftool - 神经网络的拟合工具
nntraintool - 神经网络的训练工具
nprtool - 神经网络模式识别工具
ntstool - NFTool神经网络时间序列的工具
nntool - 神经网络工具箱的图形用户界面。
查看- 查看一个神经网络。
网络的建立功能。
cascadeforwardnet - 串级，前馈神经网络。
competlayer - 竞争神经层。
distdelaynet - 分布时滞的神经网络。
elmannet - Elman神经网络。
feedforwardnet - 前馈神经网络。
fitnet - 函数拟合神经网络。
layrecnet - 分层递归神经网络。
linearlayer - 线性神经层。
lvqnet - 学习矢量量化（LVQ）神经网络。
narnet - 非线性自结合的时间序列网络。
narxnet - 非线性自结合的时间序列与外部输入网络。
newgrnn - 设计一个广义回归神经网络。
newhop - 建立经常性的Hopfield网络。
newlind - 设计一个线性层。
newpnn - 设计概率神经网络。
newrb - 径向基网络设计。
newrbe - 设计一个确切的径向基网络。
patternnet - 神经网络模式识别。
感知- 感知。
selforgmap - 自组织特征映射。
timedelaynet - 时滞神经网络。
利用网络。
网络- 创建一个自定义神经网络。
SIM卡- 模拟一个神经网络。
初始化- 初始化一个神经网络。
适应- 允许一个神经网络来适应。
火车- 火车的神经网络。
DISP键- 显示一个神经网络的属性。
显示- 显示的名称和神经网络属性
adddelay - 添加延迟神经网络的反应。
closeloop - 神经网络的开放反馈转换到关闭反馈回路。
formwb - 表格偏见和成单个向量的权重。
getwb - 将它作为一个单一向量中的所有网络权值和偏差。
noloop - 删除神经网络的开放和关闭反馈回路。
开环- 转换神经网络反馈，打开封闭的反馈循环。
removedelay - 删除延迟神经网络的反应。
separatewb - 独立的偏见和重量/偏置向量的权重。
setwb - 将所有与单个矢量网络权值和偏差。
Simulink的支持。
gensim - 生成Simulink模块来模拟神经网络。
setsiminit - 集神经网络的Simulink模块的初始条件
getsiminit - 获取神经网络Simulink模块的初始条件神经元- 神经网络Simulink的模块库。
培训职能。
trainb - 批具有重量与偏见学习规则的培训。
trainbfg - 的BFGS拟牛顿倒传递。
trainbr - 贝叶斯规则的BP算法。
trainbu - 与重量与偏见一批无监督学习规则的培训。
trainbuwb - 与体重无监督学习规则与偏见一批培训。
trainc - 循环顺序重量/偏见的培训。
traincgb - 共轭鲍威尔比尔重新启动梯度反向传播。
traincgf - 共轭弗莱彻-里夫斯更新梯度反向传播。
traincgp - 共轭波拉克- Ribiere更新梯度反向传播。
traingd - 梯度下降反向传播。
traingda - 具有自适应LR的反向传播梯度下降。
traingdm - 与动量梯度下降。
traingdx - 梯度下降瓦特/惯性与自适应LR的反向传播。
trainlm - 采用Levenberg -马奎德倒传递。
trainoss - 一步割线倒传递。
trainr - 随机重量/偏见的培训。
trainrp - RPROP反向传播。
trainru - 无监督随机重量/偏见的培训。
火车- 顺序重量/偏见的培训。
trainscg - 规模化共轭梯度BP算法。
绘图功能。
plotconfusion - 图分类混淆矩阵。
ploterrcorr - 误差自相关时间序列图。
ploterrhist - 绘制误差直方图。
plotfit - 绘图功能适合。
plotinerrcorr - 图输入错误的时间序列的互相关。
plotperform - 小区网络性能。
plotregression - 线性回归情节。
plotresponse - 动态网络图的时间序列响应。
plotroc - 绘制受试者工作特征。
plotsomhits - 小区自组织图来样打。
plotsomnc - 小区自组织映射邻居的连接。
plotsomnd - 小区自组织映射邻居的距离。
plotsomplanes - 小区自组织映射重量的飞机。
plotsompos - 小区自组织映射重量立场。
plotsomtop - 小区自组织映射的拓扑结构。
plottrainstate - 情节训练状态值。
plotwb - 图寒春重量和偏差值图。
列出其他神经网络实现的功能。
nnadapt - 适应职能。
nnderivative - 衍生功能。
nndistance - 距离函数。
nndivision - 除功能。
nninitlayer - 初始化层功能。
nninitnetwork - 初始化网络功能。
nninitweight - 初始化权函数。
nnlearn - 学习功能。
nnnetinput - 净输入功能。
nnperformance - 性能的功能。
nnprocess - 处理功能。
nnsearch - 线搜索功能。
nntopology - 拓扑结构的功能。
nntransfer - 传递函数。
nnweight - 重量的功能。
示威，数据集和其他资源
nndemos - 神经网络工具箱的示威。
nndatasets - 神经网络工具箱的数据集。
nntextdemos - 神经网络设计教科书的示威。
nntextbook - 神经网络设计教科书的资讯。
研究一下，这感情好呀，还有图形用户界面。
于是用他给出的命令 nntool（同样是在command window键入）调出图形用户界面如下
| |
•Matlab的神经网络工具箱实用指南... •Matlab的神经网络工具箱实用指南...•MATLAB神经网络工具箱函数 •java调用matlab中神经网络工具箱...•【转自新浪博客】如何从VC中调用... •BP神经网络matlab实现和matlab工...•BP神经网络matlab实现和matlab工... •用MATLAB的神经网络工具箱实现三...•Matlab的神经网络工具箱实用指南 •BP神经网络的设计实例(MATLAB编...更多>>
最近读者：
登录
后，
您就
出现
在这
里。
zhhuiw那年雨声kinglion823e26h liaoshenp首席总编辑zgyf_jch chenchencconly
©2011 Baidu。