matlab神经网络工具箱函数汇总

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

 

转自：http://www.labfans.com/bbs/t16/

1 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

2 线性神经网络函数：
初始化： initlin
设计： solvelin
仿真： simulin
离线训练： trainwh
在线自适应训练： adaptwh
学习规则： learnwh

3 BP网络函数：
Initff：初始化不超过3层的前向网络；
Simuff：仿真不超过3层的前向网络；
Trainbp，trainbpx，trainlm：训练BP（Trainbp：最慢；trainbpx：次之；trainlm：速度最快，但需要更多的存储空间。）
Learnbp：学习规则

4 自组织网络
初始化： initsm
仿真： simuc
训练： trainc：利用竞争规则训练
trainsm：利用Kohonen规则训练

5 反馈网络（Hopfield网络）
仿真： simuhop
设计： solvehop

solvehop 设计Hopfield网络
solvelin 设计线性网络
rands 产生对称随机数
learnbp 反向传播学习规则
learnh Hebb学习规则
learnp 感知层学习规则
learnwh Widrow－Hoff学习规则
initlin 线性层初始化
initp 感知层初始化
initsm 自组织映射初始化
plotsm 绘制自组织映射图
trainbp 利用反向传播训练前向网络
trainp 利用感知规则训练感知层
trainwh 利用Widrow－Hoff规则训练线性层
trainsm 利用Kohonen规则训练自组织映射

转载自   http://blog.csdn.net/king_way/article/details/20795121