MATLAB中内置的BP神经网络函数 help newff翻译【学习笔记】

MATLAB中内置的BP神经网络函数 help翻译

原文请参考：help newff
newff 创建前馈反向传播网络。

在 R2010b NNET 7.0 中已过时。 最后在 R2010a NNET 6.0.4 中使用。
The recommended function is feedforwardnet.

语法

 net = newff(P,T,S)
 net = newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)

描述: __________

 newff(P,T,S) takes,
   P  - RxQ1 matrix of Q1 representative R-element input vectors.
   T  - SNxQ2 matrix of Q2 representative SN-element target vectors.
   Si  - Sizes of N-1 hidden layers, S1 to S(N-1), default = [].
         (输出层大小 SN 由 T 确定.)
 并返回 N 层前馈反向传播网络。

 newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF) 接受可选输入,
   TFi - 第 i 层的传递函数。隐藏层的默认值为“tansig”，输出层的默认值为“purelin”。
   BTF - 反向传播网络训练函数，默认 = 'trainlm'。
   BLF - 反向传播权重/偏差学习函数，默认值 = 'learngdm'。
   PF  - 性能函数，默认值 ='mse'。
   IPF - 输入处理函数的行单元格数组。
         默认值为 {'fixunknowns','remconstantrows','mapminmax'}.
   OPF - 输出处理函数的行单元格数组。
         默认值为 {'remconstantrows','mapminmax'}.
   DDF - 数据除法函数，默认值 = 'dividerand';
 并返回 N 层前馈反向传播网络。

 传递函数TF{i}可以是任何可微传递函数，例如TANSIG，LOGSIG或PURELIN。

 训练函数BTF可以是任何反向传播训练函数，如TRAINLM，TRAINBFG，TRAINRP，TRINGD等。

 *警告*：TRAINLM是默认的训练功能，因为它非常快，但它需要大量内存才能运行。 如果在训练时收到“内存不足”错误，请尝试执行以下操作之一：

 (1) 减慢 TRAINLM 训练，但通过将 NET.efficiency.memoryReduce 设置为 2 或更多来降低内存需求。 (See HELP TRAINLM.)
 (2) 使用TRAINBFG，它比TRAINLM慢但内存效率更高。
 (3) 使用比TRAINBFG更慢但内存效率更高的TRAINRP。

 学习函数BLF可以是反向传播学习函数之一，例如LEARNGD或LEARNGDM。

 性能函数可以是任何可微分的性能函数，例如 MSE 或 MSEREG。

Examples

 [inputs,targets] = simplefitdata;
 net = newff(inputs,targets,20);
 net = train(net,inputs,targets);
 outputs = net(inputs);
 errors = outputs - targets;
 perf = perform(net,outputs,targets)

Algorithm

 前馈网络由使用 DOTPROD 权重函数、NETSUM 净输入函数和指定传递函数的 Nl 层组成。

 第一层具有来自输入的权重。 每个后续层都有一个来自前一层的权重。 所有层都有偏差。 最后一层是网络输出。

 每层的权重和偏差都使用 INITNW 初始化。

 适应是通过TRAINS完成的，它使用指定的学习函数更新权重。训练是使用指定的训练功能完成的。根据指定的性能函数测量性能。

另请参阅newcf，newelm，sim，init，adapt，train，train