Matlab人工神经网络基本知识笔记

BP网络

1. 建立网络
   老版本为newff函数，新版本为feedforwardnet

feedforwardnet(hiddenSizes,trainFcn)
%hiddenSizes为行向量，表示隐层尺寸，缺省值为10
%例如hiddenSizes = [2,3]表示隐层第一层有2个神经元，第二层有3个神经元
%trainFcn为训练方法，缺省值为'trainlm'

net.inputs{1}.processFcns = {};
net.outputs{2}.processFcns = {};
%旧版newff这个参数缺省值为空，新版newff和feedforwardnet这个参数缺省值为'mapminmax'，即默认进行归一化。如数据集已经进行过归一化，可将该参数赋值为空。

2. 数据集的划分
   分为训练集、验证集和测试集，分配方法如下：

net.divideFcn = 'dividetrain';%全部划分给训练集
net.divideFcn = '';%与'dividetrain'作用相同
net.divideFcn = 'dividerand';%缺省值，随机分配
%三个参数：net.divideParam.trainRatio, net.divideParam.valRatio, net.divideParam.testRatio
%训练集占比计算公式为：trainRatio/(trainRatio+valRatio+testRatio)
%其余二者占比也按照该方法计算。三个参数缺省值分别为0.7, 0.15, 0.15

3. 初始化

• 初始化函数的层次：

①

net.initFcn = 'initlay' %只能是 initlay

②

net.layers{i}.initFcn = 'initnw' 或 'initwb'

③

net.inputWeights{i,j}.initFcn = 'rands' , 'initzero' , 'midpoint' , 'randnc' , 'randnr' 或 'initsompc' 
net.layerWeights{i,j}.initFcn = 'rands' , 'initzero' , 'midpoint' , 'randnc' , 'randnr' 或 'initsompc' 
net.biases{i}.initFcn = 'rands' , 'initzero' 或 'initcon' [^1] 

• 层初始化函数：
  • initwb: 根据各自的初始化函数，初始化层内所有权值和阈值。调用后需进一步设置各权值和阈值的初始化函数。
  • initnw: Nguyen Widrow初始化权值方法，要求传递函数的active区间是有限的，例如：tansig, logsig 和 satlin满足要求，purelin不满足要求。调用feedforwardnet 或 cascadeforwardnet函数建立的网络使用的是initnw。无需进一步设置。
• 初始化的例子：

net.initFcn = 'initlay';
net.layers{i}.initFcn = 'initwb';
xornet.inputWeights{i,j}.initFcn = 'rands';
xornet.layerWeights{i,j}.initFcn = 'rands';
net.biases{i}.initFcn = 'rands';
net = init(net);

4. 训练
   两种方式：adapt和train，详细说明参考[^2]。

参考资料：
[^1] https://www.docin.com/p-677805405.html
[^2] http://www.matlabsky.com/thread-4084-1-1.html
其余来自Matlab文档