1.1 MATLAB常用命令 P45
- clear
- clf/close
- clc/home
- format
- save/load
- ls/dir/what
- cd/pwd
- help/doc
- sprintf/fprintf
12 矩阵生成和基本运算 P52
- zeros生成零矩阵
- ones生成一矩阵
- magic生成魔方矩阵
- eye生成单位矩阵
- rand生成均匀分布随机数
- randn生成正态分布随机数
- linspace产生线性等分向量
- logspace产生对数等分向量
- randperm生成随机整数排列
- randi生成整数随机数
- range向量的最大/最小值之差 P60
- minmax求最大值/最小值
- min/max/mean求最大最小值
- size/length/nume/ndims矩阵维度相关
- sum/prod求和或积
- var/std求方差与标准差
- diag生成对角矩阵
- repmat矩阵复制和平铺
- reshape矩阵变维 P70
- inv/pinv矩阵求逆/求伪逆
- rank/det求矩阵的秩/行列式
- eig矩阵的特征值分解
- svd矩阵的奇异值分解
- trace求矩阵的迹
- norm求向量或矩阵的范数
1.3 数学函数 P78
- abs
- exp/log
- log10/log2 常用对数/以2为底的对数
- fix/roung/ceil/floor 取整函数
- mod/rem 取模数/余数
1.4 图形相关函数 P82
- Plot绘制二维图像
- 坐标轴设置函数
- axis
- xlabel/ylabel
- legend
- text
- grid
- box
- box
- xlim/ylim
- subplot同一窗口分区绘图
- figure/hold创建窗口/图形保持
- semilogx/semilogy 单对数坐标图
- contour/clabel 曲面等高线/等高线标签
- gcf/gca/gco 返回当前图形/坐标/对象句柄
- mesh绘制三维网格图
1.5 神经网络工具箱 P92
- 基本工具函数
- 创建函数
- newp/perceptron:创建感知器网络
- newlind:设计线性层
- newlin/linearlayer:创建线性层
- newff/feedforwardnet:创建前馈BP网络
- newcf/cascadeforwardnet:创建多层前馈BP网络
- newfftd:创建前馈输入延迟BP网络
- newrb:设计径向基网络
- newrbe:设计严格的径向基回归网络
- newgrnn:设计广义回归神经网络
- newpnn:设计概率神经网络
- newc/competlayer:创建竞争层
- newsom/selforgmap:创建自组织特征映射
- newshop:创建Hopfield递归网络
- newelm/elmannet:创建Elman递归网络
- lvqnet:创建学习向量量化网络
- patternnet:创建模式识别神经网络
- 可视化工具
- nctool:聚合问题,采用自组织特征映射网络实现
- nftool:拟合问题,使用fitnet函数,才用trainlm进行训练
- nprtool:模式识别问题,使用patternnet函数
- ntstool:时间序列问题,使用narnet与narxnet函数
- 训练函数
- trainbfg:BFGS(拟牛顿反向传播算法)训练函数
- trainbr:贝叶斯归一化训练函数
- trainb:以权值/阈值的学习规则,采用批处理的方式进行训练
- trainbu:无监督trainb训练
- trainc:以学习函数依次对输入样本进行训练的函数
- traincgb:Powell-Beale共轭梯度反向传播算法训练函数
- traincgf:Fletcher-Powell变梯度反向传播算法训练函数
- traincgp:Polak-Ribiere变梯度反向传播算法训练函数
- traingd:梯度下降反向传播算法训练函数
- traingdm:附加动量因子的梯度下降反向传播算法训练函数
- trainlm:levenberg-Marquardt反向传播算法训练函数
- trainoss:OSS(one-step secant)反向传播算法训练函数
- trainrp:RPROP(弹性OP)算法反向传播算法训练函数
- SCG(scaled conjugate gradient)反向传播训练函数
- trainr:以学习函数随机对样本进行训练的函数
- 创建函数