资源描述：
《matlab工具箱中地bp与rbf函数》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、实用标准文案Matlab工具箱中的BP与RBF函数Matlab神经网络工具箱中的函数非常丰富，给网络设置合适的属性，可以加快网络的学习速度，缩短网络的学习进程。限于篇幅，仅对本章所用到的函数进行介绍，其它的函数及其用法请读者参考联机文档和帮助。1BP与RBF网络创建函数在Matlab工具箱中有如表1所示的创建网络的函数，作为示例，这里只介绍函数newff、newcf、newrb和newrbe。表1神经网络创建函数函数名含义newcf创建一个前向层叠(cascade-forward)BP网络newff创建一个前馈(feed-forward)BP网络newrb设计一个径向基网络new
2、rbe设计一个精密径向基网络(1)newff函数功能：创建一个前馈BP神经网络。调用格式：net=newff(PR,[S1S2...SNl],{TF1TF2...TFNl},BTF,BLF,PF)参数说明：PR-R个输入的最小、最大值构成的R×2矩阵；Si–SNI层网络第i层的神经元个数；TFi-第i层的传递函数，可以是任意可导函数，默认为'tansig'精彩文档实用标准文案，可设置为logsig，purelin等；BTF-反向传播网络训练函数，默认为'trainlm'，可设置为trainbfg，trainrp，traingd等；BLF-反向传播权值、阈值学习函数，默认为'lea
3、rngdm'；PF-功能函数，默认为'mse'；(2)newcf函数功能：创建一个N层的层叠(cascade)BP网络调用格式：net=newcf(Pr,[S1S2...SNl],{TF1TF2...TFNl},BTF,BLF,PF)参数同函数newff。(3)newrb函数功能：创建一个径向基神经网络。径向基网络可以用来对一个函数进行逼近。newrb函数用来创建一个径向基网络，它可以是两参数网络，也可以是四参数网络。在网络的隐层添加神经元，直到网络满足指定的均方误差要求。调用格式：net=newrb(P,T,GOAL,SPREAD)参数说明：P：Q个输入向量构成的R×Q矩阵；T
4、：Q个期望输出向量构成的S×Q矩阵；GOAL：均方误差要求，默认为0。SPREAD：分散度参数，默认值为1。SPREAD越大，网络逼近的函数越平滑，但SPREAD取值过大将导致在逼近变化比较剧烈的函数时神经元过多，若SPREAD精彩文档实用标准文案取值过小，则导致在逼近平滑函数时，导致神经元过多。(4)newrbe函数功能：创建一个精密径向基网络。newrbe函数可以很快地根据设计向量创建一个0误差的径向基网络。调用格式：Net=Newrbe(P,T,SPREAD)参数说明：参数P,T和SPREAD同newrb函数中的参数P,T和SPREAD含义相同。2网络训练函数(1)Adap
5、t函数功能：神经网络单步训练函数。调用格式：[net,Y,E,Pf,Af]=adapt(net,P,T,Pi,Ai)参数说明：Adapt函数调用由net.adaptFcn所指定的函数和net.adaptParam所指定的参数来训练网络。在执行命令Adapt之前，可以预先指定训练函数net.adaptFcn和训练参数net.adaptParam。输入参数：net–所要训练的网络；P-网络的输入；T-网络的期望输出，可选项，只在有教师训练时需要，一般不用，默认值为0；Pi–初始输入延迟，可选项，只在有输入延迟时需要，一般不用，默认值为0；精彩文档实用标准文案Ai–初始层延迟，可选项，
6、只在有层延迟时需要，默认值为0；输出参数：NET–训练后的网络；Y-网络输出；E-网络误差；Pf-训练后的输入延迟，一般不用.；Af-训练后的层延迟，一般不用。ADAPT的参数有两种格式：阵列格式和矩阵格式。阵列格式易于描述，最适合于多输入多输出网络。当ADAPT的参数为阵列格式时：P-Ni×TS阵列,阵列的每个元素P{i,ts}是一个Ri×Q的矩阵；T-Nt×TS阵列,阵列的每个元素P{i,ts}是一个Vi×Q的矩阵；Pi-Ni×ID阵列,阵列的每个元素{i,k}是一个Ri×Q的矩阵；Ai-Nl×LD阵列,阵列的每个元素{i,k}是一个Si×Q的矩阵；其中：Ni=net.num
7、InputsNl=net.numLayersNt=net.numTargetsID=net.numInputDelaysLD=net.numLayerDelaysTS=NumberoftimestepsQ=BatchsizeRi=net.inputs{i}.sizeSi=net.layers{i}.size精彩文档实用标准文案Vi=net.targets{i}.size矩阵格式最适合于单输入单输出网络，但也可以用于多输入多输出网络。每个矩阵元素通过把相应阵列参数元素存储到一个单一
