Matlab神经网络工具箱函数.

Matlab的神经网络工具箱入门在command window中键入help nnet>> help nnetNeural Network ToolboxVersion 7.0 (R2010b) 03-Aug-2010神经网络工具箱版本7.0（R2010b）03八月，2010图形用户界面功能。

nnstart - 神经网络启动GUInctool - 神经网络分类工具nftool - 神经网络的拟合工具nntraintool - 神经网络的训练工具nprtool - 神经网络模式识别工具ntstool - NFTool神经网络时间序列的工具nntool - 神经网络工具箱的图形用户界面。

查看- 查看一个神经网络。

网络的建立功能。

cascadeforwardnet - 串级，前馈神经网络。

competlayer - 竞争神经层。

distdelaynet - 分布时滞的神经网络。

elmannet - Elman神经网络。

feedforwardnet - 前馈神经网络。

fitnet - 函数拟合神经网络。

layrecnet - 分层递归神经网络。

linearlayer - 线性神经层。

lvqnet - 学习矢量量化（LVQ）神经网络。

narnet - 非线性自结合的时间序列网络。

narxnet - 非线性自结合的时间序列与外部输入网络。

newgrnn - 设计一个广义回归神经网络。

newhop - 建立经常性的Hopfield网络。

newlind - 设计一个线性层。

newpnn - 设计概率神经网络。

newrb - 径向基网络设计。

newrbe - 设计一个确切的径向基网络。

patternnet - 神经网络模式识别。

感知- 感知。

selforgmap - 自组织特征映射。

timedelaynet - 时滞神经网络。

利用网络。

网络- 创建一个自定义神经网络。

SIM卡- 模拟一个神经网络。

初始化- 初始化一个神经网络。

MATLAB神经网络工具箱函数说明:本文档中所列出的函数适用于MATLAB5.3以上版本,为了简明起见,只列出了函数名,若需要进一步的说明，请参阅MATLAB的帮助文档。

1. 网络创建函数n ewp创建感知器网络newli nd设计一线性层n ewlin创建一线性层newff创建一前馈BP网络newcf创建一多层前馈BP网络n ewfftd创建一前馈输入延迟BP网络n ewrb设计一径向基网络n ewrbe设计一严格的径向基网络n ewgrnn设计一广义回归神经网络n ewp nn设计一概率神经网络n ewe创建一竞争层n ewsom创建一自组织特征映射n ewhop创建一Hopfield递归网络n ewelm创建一Elman递归网络2. 网络应用函数sim仿真一个神经网络init初始化一个神经网络adapt神经网络的自适应化train训练一个神经网络3. 权函数dotprod权函数的点积ddotprod权函数点积的导数dist Euclidean距离权函数normprod规范点积权函数negdist Negative距离权函数man dist Man hattan 距离权函数linkdist Link距离权函数4. 网络输入函数netsum网络输入函数的求和dn etsum网络输入函数求和的导数5. 传递函数hardlim硬限幅传递函数hardlims对称硬限幅传递函数purelin线性传递函数tan sig正切S型传递函数logsig对数S型传递函数dpurelin线性传递函数的导数dta nsig正切S型传递函数的导数dlogsig对数S型传递函数的导数compet竞争传递函数radbas径向基传递函数satli ns对称饱和线性传递函数6. 初始化函数ini tlay层与层之间的网络初始化函数ini twb阈值与权值的初始化函数in itzero零权/阈值的初始化函数in it nw Nguyen_Widrow层的初始化函数in itcon Con scie nee阈值的初始化函数midpoi nt中点权值初始化函数7. 性能分析函数mae均值绝对误差性能分析函数mse均方差性能分析函数msereg均方差w/reg性能分析函数dmse均方差性能分析函数的导数dmsereg均方差w/reg性能分析函数的导数8. 学习函数learnp感知器学习函数learnpn标准感知器学习函数learnwh Widrow_Hoff 学习规则learngd BP学习规则learngdm带动量项的BP学习规则learnk Koho nen权学习函数learncon Con scie nee阈值学习函数learnsom自组织映射权学习函数9. 自适应函数adaptwb网络权与阈值的自适应函数10. 训练函数trai nwb网络权与阈值的训练函数traingd梯度下降的BP算法训练函数traingdm梯度下降w/动量的BP算法训练函数traingda梯度下降w/自适应lr的BP算法训练函数traingdx梯度下降w/动量和自适应lr的BP算法训练函数trainlmLeve nberg_Marquardt的BP算法训练函数trai nwbl每个训练周期用一个权值矢量或偏差矢量的训练函数11.分析函数maxli nlr线性学习层的最大学习率errsurf误差曲面12. 绘图函数plotes绘制误差曲面plotep绘制权和阈值在误差曲面上的位置plotsom绘制自组织映射图13. 符号变换函数ind2vec转换下标成为矢量vec2ind转换矢量成为下标矢量14.拓扑函数gridtop网络层拓扑函数hextop六角层拓扑函数ran dtop随机层拓扑函数。

matlab神经网络工具箱怎么用标题：Matlab神经网络工具箱的使用方法导言：Matlab神经网络工具箱是一个功能强大的工具，用于建立、训练和评估各种类型的神经网络。

本文将介绍如何使用Matlab神经网络工具箱进行神经网络的建立、训练和评估，帮助您更好地理解和使用这个工具箱。

一、Matlab神经网络工具箱的安装首先，您需要确保已成功安装了Matlab软件。

然后，您可以通过以下步骤来安装Matlab神经网络工具箱：1. 打开Matlab软件。

2. 在工具栏上选择“工具”菜单。

3. 在下拉菜单中选择“添加预定目录”。

4. 在弹出的窗口中，选择“文件夹”选项。

5. 点击“浏览”按钮，并选择包含神经网络工具箱的文件夹。

6. 点击“选择文件夹”按钮，然后点击“添加文件夹”按钮。

7. 点击“关闭”按钮，完成神经网络工具箱的安装。

二、神经网络的建立Matlab神经网络工具箱提供了多种类型的神经网络模型，如前馈神经网络、递归神经网络和自组织神经网络。

下面我们以前馈神经网络为例，介绍神经网络的建立方法：1. 打开Matlab软件，并在命令窗口中输入“nprtool”命令，打开“神经网络模式选择器”窗口。

2. 在“神经网络模式选择器”窗口中，选择“构建”按钮。

3. 在“神经网络模式选择器”窗口中，选择“前馈神经网络”选项，并点击“下一步”按钮。

4. 在“选择网络架构”窗口中，选择神经网络的层数、神经元数量和输入、输出数据的维度。

5. 点击“下一步”按钮，然后点击“完成”按钮，完成神经网络的建立。

三、神经网络的训练神经网络的训练是指通过将已知的输入和输出数据进行反复迭代调整网络参数，从而使网络能够更好地拟合输入输出之间的关系。

下面我们介绍神经网络的训练方法：1.在命令窗口中输入“trainlm”命令，选择Levenberg-Marquardt算法作为训练函数。

2.输入训练数据和目标数据，通过“trains”命令开始训练神经网络。

MATLAB中的神经网络工具箱详解神经网络是一种模拟人脑神经系统工作方式的计算模型，广泛应用于科学、工程和金融等领域。

而在MATLAB软件中，也有专门的神经网络工具箱，提供了丰富的功能和算法，用于实现神经网络的建模、训练和应用。

本文将对MATLAB中的神经网络工具箱进行详细的解析和介绍。

一、神经网络基础知识在深入了解MATLAB神经网络工具箱之前，我们首先来了解一些神经网络的基础知识。

1. 神经元和激活函数神经元是神经网络的基本单位，它接收来自其他神经元的输入，并通过激活函数将输入转化为输出。

在MATLAB中，可以使用`newff`函数创建一个前馈神经网络，可以通过`sim`函数进行网络的模拟和计算。

2. 训练算法神经网络的训练是指通过一系列的输入和输出样本来调整网络的参数，使得网络能够正确地学习和推断。

常用的训练算法包括误差逆传播算法（Backpropagation）、Levenberg-Marquardt算法等。

在MATLAB中，可以使用`train`函数进行网络的训练，可以选择不同的训练算法和参数。

二、MATLAB神经网络工具箱的使用1. 创建神经网络对象在MATLAB中，可以使用`newff`函数创建一个前馈神经网络对象，该函数的参数包括网络的结构、激活函数等。

例如，`net = newff(input, target, hiddenSize)`可以创建一个具有输入层、隐藏层和输出层的神经网络对象。

2. 设置神经网络参数创建神经网络对象后，可以使用`setwb`函数设置网络的权重和偏置值，使用`train`函数设置网络的训练算法和参数。

例如，`setwb(net, weights, biases)`可以设置网络的权重和偏置值。

3. 神经网络的训练神经网络的训练是通过提供一系列的输入和输出样本，调整网络的参数使得网络能够正确地学习和推断。

在MATLAB中，可以使用`train`函数进行网络的训练，该函数的参数包括训练集、目标值、训练算法和其他参数。

绘制三维图形clear all;[x,y]=meshgrid(-8:0.1:8);z=sinc(x);mesh(x,y,z); 效果图如下set(gcf,'color','w'); 设置图形窗口背景为白色修改z的赋值clear all;[x,y]=meshgrid(-10:0.3:10);r=sqrt(x.^2+y.^2)+eps;z=sin(r)./r;mesh(x,y,z)初始化函数clear all;net=newp([0,1;-2,2],1);disp('³õʼ»¯Ö®Ç°µÄȨֵÊÇ£º ')w1=net.iw{1,1}disp('³õʼ»¯Ö®Ç°µÄ·§ÖµÎª')b1=net.b{1}net.iw{1,1}=[5,6];disp('¡£¡£¡£È¨ÖµÎª')w2=net.iw{1,1}net.b{1}=7;disp('·§ÖµÎª')b2=net.b{1}net=init(net); 利用网络初始化复原网络权值和阀值w3=net.iw{1,1}b3=net.b{1}例子：利用init函数将网络输入的权值与阀值改变为随机数>> clear all;net=newp([0,1;-2,2],1);net.inputweights{1,1}.initFcn='rands';net.biases{1}.initFcn='rands';net=init(net); 检验权值和阀值w=net.iw{1,1}b=net.b{1}w =0.8116 -0.7460b =0.6294>>plotpv函数：用于在坐标中绘制给定的样本点及其类别plotpc函数：用于绘制感知器分界线clear all;p=[-0.5,-0.5,0.3,-0.1,-0.8;-0.5,0.5,-0.5,1.0,0.0];t=[1,1,0,0,0];plotpv(p,t); 绘制样本节点net=newp([-40,1;-1,50],1);hold onlinehandles=plotpc(net.IW{1},net.b{1});net.adaptParam.passes=3;linehandle=plotpc(net.IW{1},net.b{1});for a=1:25[net,y,e]=adapt(net,p,t);linehandle=plotpc(net.iw{1},net.b{1},linehandle); drawnow;endtitle('the kind of xiangliang')在matlab中提供了sim函数，对于神经网络进行仿真，格式：[y,pf,af,perf]=sim(net,p,pi,ai,t)[y,pf,af]=sim(net,{q ts},pi,ai)设计一个输入为二维向量的感知器网络，其边界值已定。