K折交叉验证BP神经网络，多输入多输出BP神经网络,BP神经网络训练窗口详解，BP神经网络原理

目录

摘要
BP神经网络参数设置及各种函数选择
参数设置
训练函数
传递函数
学习函数
性能函数
显示函数
前向网络创建函数
BP神经网络训练窗口详解
训练窗口例样
训练窗口四部详解
K折交叉验证BP神经网络，多输入多输出BP神经网络
效果图
结果分析

摘要

本文总结BP神经网络的参数设置，训练函数，传递函数，学习函数，画图函数，性能函数，创建函数，详解nntraintool训练窗口，K折交叉验证BP神经网络，多输入多输出BP神经网络

BP神经网络参数设置及各种函数选择

参数设置

1，最大迭代次数net.trainParam.epochs，一般先设置大，然后看训练收敛情况，如果提前收敛，最大迭代次数就改小，以到达训练目标为目的设置。
2，学习率net.trainParam.lr，一般设置0.01–0.5，数据越多，数据噪声越大，数据越难拟合，数值一般需要越小，设置太大，容易过早停止收敛。
3，学习目标net.trainParam.goal，根据训练测试的情况进行调整，过大容易过拟合，测试效果差，过小达不到想要的效果。

4，最大丢失次数net.trainParam.max_fail，既联系不收敛次数，达到这个次数后BP神经网络停止迭代，终止训练，主要目的是防止过拟合，太小容易过早停止迭代，太大容易过拟合，默认是6，需要依据训练测试情况和学习目标，妥协调整。
5，隐含层数，常见的是三个隐含层以内，再多也没有看到有明显的优势，数据好拟合，一个隐含层就足够，数据难拟合，更多层，收敛效果一般也没有明显改善。
6，隐含层神经元个数，按经验公式设置，试凑法调整。

训练函数

trainr 随机顺序递增更新训练函数

trainrp 带反弹的BP训练函数

trains 顺序递增BP训练函数

trainscg 量化连接梯度BP训练函数

trainbrBayes 规范化BP训练函数

trainc 循环顺序渐增训练函数