matlab中神經網絡的通用函數有哪些

小編給大家分享一下matlab中神經網絡的通用函數有哪些，希望大家閱讀完這篇文章之后都有所收獲，下面讓我們一起去探討吧！

神經網絡的通用函數

一、神經網絡仿真函數

[Y,Pf,Af,E,Perf]=sim(net,P,Pi,Ai,T)

其中，參數Y為網絡的輸出；Pf表示最終的輸入延時狀態；Af表示最終的層延時狀態；E為實際輸出與目標向量之間的誤差；perf為網絡的性能值；net為要測試要的網絡對象；P為網絡的輸入向量矩陣；Pi為初始的輸入狀態延時狀態（可省略）；Ai為初始的層延時狀態（可省略）；T為目標向量（可省略）。 

二、神經網絡訓練函數

1.train函數

[net,tr,Y,E,Pf,Af] = train(net,P,T,Pi,Ai)

輸出參數net為訓練后的網絡；tr為訓練記錄；Y為網絡輸出向量；E為誤差向量；Pf為訓練終止時的輸入延遲狀態；Af為訓練終止時的層延時狀態。輸入參數net為訓練前的網絡；P為網絡的輸入向量矩陣；T表示網絡的目標矩陣，默認值為0；Pi表示初始輸入延時，默認值為0；Ai表示初始的層延時，默認值為0。

網絡訓練函數是一種通用的學習函數，訓練函數重復地把一組輸入向量應用到一個網絡上，每次都更新網絡，知道達到了某種準則，停止準則可能是達到最大的學習步數、最小的誤差梯度或誤差目標等。 

 2.trainb函數

用于對神經網絡權值和閾值進行訓練，函數的調用格式如下：

net.trainFcn = ‘trainb’

該函數不能被直接調用，而是通過函數train隱含調用，train通過設置網絡屬性net.trainFcn為trainb來調用trainb對網絡進行訓練。

p=[0 1 2 3 4 5];

t=[0 0 0 1 1 1];

net = feedforwardnet(3,'trainb');

net = train(net,p,t);

y=net(p)

3.adapt函數

[net,Y,E,Pf,Af] = adapt(net,P,T,Pi,Ai)

輸入參數net為待自適應的神經網絡；P為網絡輸入；T為網絡目標，默認值為0；Pi為初始輸入延遲，默認值為0；Ai為初始層延遲，默認值為0；輸出net參數為自適應后的神經網絡，Y為網絡輸出；E為網絡誤差；Pf為最終輸入延遲；Af為最終層延遲。

p=[-1 0 1 0 1 1 -1 0 -1 1 0 1];

t=[-1 -1 1 1 1 2 0 -1 -1 0 1 1];

net=linearlayer([0 1],0.1);

% 創建一個線性層，輸入范圍為[-1 1]，學習率為0.1

[net,t,e,pf]=adapt(net,p,t);

mse(e) 

三、神經網絡學習函數

1.learnp函數

[dW,LS]=learnp(W,P,Z,N,A,T,E,gW,gA,D,LP,LS)

參數dW為權值變化矩陣；LS為當前學習狀態；W為SxR的權值矩陣（可省略）；P為RxQ的輸入向量矩陣；Z為SxQ的輸入層的權值矩陣（可省略）；N為SxQ的網絡輸入矩陣（可省略）；E為誤差矩陣（E=T-Y）；T表示網絡的目標向量（可省略）；A表示網絡的實際輸出向量（可省略）；gW為SxR的與性能相關的權值梯度矩陣（可省略）；gA為SxQ的與性能相關的輸出梯度值矩陣（可省略）；D為SxS的神經元距離矩陣（可省略）；LP為學習參數（可省略）；LS學習函數聲明（可省略）。

利用learnp函數學習一個感知器網絡，使其完成‘或’功能 

2.learn函數

該函數也是一個權值和閾值學習函數，但它在輸入向量和復制變化非常大或存在奇異值時，其虛席速度比learnp塊很多。

四、神經網絡初始化函數

1.revert函數

該函數用于將更新后的權值和閾值恢復到最后一次初始化的值，函數的調用格式為net = revert(net)

如果網絡結果已經發生了變化，也就是說，如果網絡的權值和閾值之間的鏈接關系以及輸入、每層的長度與原來的網絡結構有所不同，那么該函數無法將權值和閾值回復到原來的值。 

2.init函數

net = init(net)

3.initlay函數

net = initlay(net)用于對線性神經網絡的某層進行初始化

4.initnw函數

net = initnw(net, i)該函數是一個層初始化函數，i為層次索引

五、神經網絡輸入函數

1.netsum函數

該函數是一個輸入求和函數，它通過將某一層的加權輸入和閾值相加作為該層的輸入，函數的調用格式為：

N = netsum({Z1,Z2,...,Zn},Fp)

參數Z1,Z2,...,Zn表示第i個輸入，它的數目可以是任意個，Fp為功能參數單元陣列，課忽略。

2.netprod函數

該函數的計算與netsum類似，不過該函數是一個求積函數，它將某一層的權值和閾值相乘作為該層的輸入。

N = netprod({Z1,Z2,...,Zn})

3.concur函數

該函數的作用在于使得本來不一直的權值向量和閾值向量的結構一致，以便進行相加或相乘運算，函數的調用格式如下：

concur(B,Q)

其中B為Nx1維的權值向量；Q為要達到一致化所需要的長度。

六、神經網絡傳遞函數

1.hardlim函數

A = hardlim(N,FP)

在給定的網絡的輸入向量矩陣N時，返回該層的輸出向量矩陣A，當N中的元素大于等于零時，返回值為1，否則為0。 

2.hardlims函數

輸出的值為-1和1 

看完了這篇文章，相信你對“matlab中神經網絡的通用函數有哪些”有了一定的了解，如果想了解更多相關知識，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！