MATLAB 2016b--神经网络工具箱中BP网络的实现

MATLAB 2016b–神经网络工具箱中BP网络的实现

在干活的过程中整理下来的，希望对大家有帮助。
上一篇介绍的是MATLAB 2016b–神经网络工具箱中图形用户界面的使用
这一篇就介绍如何利用神经网络工具箱中包含的函数（其中包括BP网络创建函数、传递函数、训练函数等）进行编程，从而实现BP网络的具体功能与应用。
我用的是MATLAB 2016b，它新增了一些网络函数，并对老版中一些网络函数进行了调整。

1．BP神经网络基本函数

对于BP神经网络的实现，MATLAB神经网络工具箱提供了五个基本函数：feedforwardnet，configure，init，train和sim，它们分别对应五个基本步骤，即新建、配置、初始化、训练和仿真。

（1）新建函数feedforwardnet

功能：创建一个BP神经网络。
调用格式：net=feedforwardnet
net=feedforwardnet(hiddenSizes,trainFun)
参数说明：hiddenSizes为表示每个隐含层神经元个数的行向量，默认值为10。例如，如果需要创建一个有3个隐含层的神经网络，其中第一个隐含层有10个神经元，第二个隐含层有8个神经元，第三个隐含层有5个神经元，那么hiddenSizes为[10,8,5]。trianFcn为反向传播训练函数，可选的训练函数有’trainlm’(默认值) 、“trainbr”、“trainbfg”、“trainrp”、“trainscg”等，将在下面专门给予介绍。
新旧版比较：相较于使用旧版函数newff创建网络时需要逐层设置激活函数的形式、神经元数量、输入输出的范围以及训练方式等，新版函数feedforwardnet只需要设定每个隐藏层的大小及训练函数，使用更加简捷。

（2）配置函数configure

功能：对新创建的网络进行配置
调用格式：net=configure(net,P,T)
参数说明：net为创建的网络，P为输入矩阵，T为输出矩阵。配置是为了使网络的输入、输出、连接权重和阈值能够匹配输入矩阵和输出矩阵。train可以自动完成这一过程，但如果想在train之前就对网络进行仿真，则需先进行configure。

（3）初始化函数init

功能：对网络进行自定义的初始化。
调用格式：net=init（net）
参数说明：初始化是对连接权值和阈值进行初始化。BP神经网络在训练之前必须要对权值和阈值进行初始化，train()函数可以自动完成这一过程，但是无法重新赋初值。如果想重新初始化，可以应用init()函数，使网络恢复到初始化的情况。

（4）训练函数train

功能：对网络的权值和阈值进行反复地调整，以减少网络性能函数net.perforFen的值，直到达到预先的要求。
调用格式：[net，tr]=train (net,X,T,Xi,Ai,EW)
参数说明：X和T分别为输入/输出矩阵，net为由feedforwardnet产生的要训练的网络，Xi为初始输入延迟条件，Ai为初始层延迟条件。需要注意的是T、Xi和Ai的默认值是