]BP神经网络初学总结

1，newff建立BP神经网络

2，sim神经网络测试

3，神经网络的隐层数一般不超过两层

4，预处理一般有归一化、标准化和主成分分析。一般是归一化

5，归一化premnmx、postmnmx、tramnmx

6，隐节点数的个数一般需要综合考虑：方法有

①：。n为隐层节点数；ni为输入节点数；no为输出节点数；a为1~10之间的常数。

②：改变n，用同一样本集训练，从而确定网络误差最小时对应的隐层节点。

7，BP网络中传输函数常采用S( sigmoid)型函数:在某些特定情况下 ,还可能采用纯线性 ( Pureline)函数。如果BP函数最后一层是 Sigmoid函数 ,那么整个网络的输出就限制在一个较小的范围内( 0～1之间的连续量 ) ;如果BP网络最后一层是Pureline函数,那么整个网络的输入可以取任意值。

8，针对不同的应用 ,BP网络提供了多种训练 ,学习方法 ,通常对于包含数百个权值的函数逼近网络,训练函数trainlm收敛速度最快。将 RPROP算法的训练函数trainrp应用于模式识别时 ,其速度是最快的。用变梯度算法的训练函数traincgf,在网络规模比较大的场合 ,其性能都很好。

9，help gensim。将net转为simulink模块。

10，net.trainParam.show = 50;//训练50次刷新一下训练图

    net.trainParam.lr = 0.05;//学习率

    net.trainParam.epochs = 10000;//训练次数

net.trainParam.goal = 1e-5;//训练结束的目标

11，训练好的权值、阈值的输出方法是：

    输入到隐层权值：w1=net.iw{1,1}

    隐层阈值：theta1=net.b{1}

    隐层到输出层权值：w2=net.lw{2,1};

输出层阈值：theta2=net.b{2}

12，训练保存：save filename net

训练使用：load filename net

13，ANN(artifical neural network)：人工神经网络