前面介紹了神經網絡工具箱GUI的使用，它功能強大可以直接生成腳本。但是函數命令的靈活性是GUI所不及的。也應該有所了解。

神經網絡函數命令

1、網絡創建函數

函數名稱	功能
fitnet	創建函數擬合網絡
? ?cascadeforwardnet ?	?串級，前饋神經網絡
?competlayer	競爭神經層
distdelaynet?	分布時滯的神經網絡
feedforwardnet?	前饋神經網絡
layrecnet	分層遞歸神經網絡
patternnet	創建模式識別網絡

表中的函數使用語法基本一致，調用格式為：變量名=網絡名稱(隱含層維數，傳遞函數)但是，具有延遲結構的網絡還需要設置其延遲信息。

2、網絡訓練函數

所有的網絡均可以使用函數train進行訓練(1)使用語法[net,tr]= train(net, X,T,Xi.Ai)(2)功能描述輸入列表中，net為表示網絡的結構體變量，X為網絡輸入，T表示網絡的期望，xi和Ai分別為輸入延遲和層延遲的初始條件。返回列表中，net表示新生成的網絡，tr為訓練記錄(包含訓練性能等)。通過對 net. train Fcn和 net. train Param的修改，可以設置訓練算法以及其他參數。一般來說，訓練算法有 trainlm、 trainbr、 trainscg和 trainrp四種可供選擇，它們分別為LM反饋、Bayesian校準反饋、共軛梯度反饋和彈性反饋。3、網絡評定函數網絡的評定，一般是指計算其平方誤差均值和線性回歸，以判斷訓練后網絡的性能。平方誤差均值越小越好，線性回歸的判斷標準為數據是否沿45°線，越靠近表示實際輸出與期望輸出之間的差距越小。(1) msemse函數通過測量平方誤差的均值來判斷網絡的性能。其使用語法為perf= mse(net, t, y, ew)其中，net為表示網絡的結構體變量，t為期望輸出，y為實際輸出，ew表示誤差權重。(2) regression基本使用語法為[r,m,b]= regression(t,y)其中，t和y分別為網絡的期望輸出和實際輸出，r表示R值，m為回歸線的斜率，b為回歸線的偏移量。

【例12-1】利用示例數據 house dataset創建一個前饋型神經網絡，并對其進行訓練以及計算其性能指標。

? ? ?編寫如下 MATLAB程序:

[x,t]=house_dataset; %導入示例數據net=feedforwardnet(15)[net,tr]=train(net,x,t); %訓練網絡y=net(x); %網絡實際輸出perf_mse=mse(net,x,t) %計算平方誤差均值[r,m,b]=regession(t,y) %計算回歸值結果如下：house_datanet?=????Neural?Network name: 'Feed-Forward Neural Network'??????????userdata:?(your?custom?info)????dimensions: numInputs: 1 numLayers: 2 numOutputs: 1 numInputDelays: 0 numLayerDelays: 0 numFeedbackDelays: 0 numWeightElements: 15 sampleTime: 1 ????connections: biasConnect: [1; 1] inputConnect: [1; 0] layerConnect: [0 0; 1 0]?????outputConnect:?[0?1] subobjects: input: Equivalent to inputs{1} output: Equivalent to outputs{2} inputs: {1x1 cell array of 1 input} layers: {2x1 cell array of 2 layers} outputs: {1x2 cell array of 1 output} biases: {2x1 cell array of 2 biases} inputWeights: {2x1 cell array of 1 weight} layerWeights: {2x2 cell array of 1 weight} functions: adaptFcn: 'adaptwb' adaptParam: (none) derivFcn: 'defaultderiv' divideFcn: 'dividerand' divideParam: .trainRatio, .valRatio, .testRatio divideMode: 'sample' initFcn: 'initlay' performFcn: 'mse' performParam: .regularization, .normalization plotFcns: {'plotperform', plottrainstate, ploterrhist, plotregression} plotParams: {1x4 cell array of 4 params} trainFcn: 'trainlm' trainParam: .showWindow, .showCommandLine, .show, .epochs, .time, .goal, .min_grad, .max_fail, .mu, .mu_dec, .mu_inc, .mu_max ...(省略一部分)可以看出結構體net中包含很多信息，通過觀察這些內容，可以在以后對net的調用中找到所需要的信息。4.圖像繪制

函數名稱	功能描述
? ? ? plotconfusion???	?圖分類混淆矩陣
ploterrcorr	誤差自相關時間序列圖
?plotsomtop	小區自組織映射的拓撲結構
plotsomplanes	小區自組織映射重量的飛機
?plotsomnd	小區自組織映射鄰居的距離
plotsomnc	小區自組織映射鄰居的連接
?plotsompos	小區自組織映射重量立場
?plotsomhits	小區自組織樣本映射圖
plotresponse??	動態網絡圖的時間序列響應
plotregression	線性回歸情節
plotinerrcorr	?圖輸入錯誤的時間序列的互相關
?ploterrhist	繪制誤差直方圖
??plotfit	繪圖功能適合

例：繪制上面示例中網絡的誤差柱狀圖、性能圖和訓練狀態圖。

在上例中繼續添加代碼

e=t-y;figure(1),ploterrhist(e)figure(2),plotperform(tr)figure(3),plotregression(t,y)

神經網絡與simulink

打開simulink模塊庫的方法有兩種：(1)在simulink模塊庫瀏覽器中，找到Neural Network Toolbox(2)?直接輸入命令neural

可以看出它包含五個子模塊庫，分別是傳遞函數、網絡輸入函數、權值函數、處理函數和控制系統。下面對五個子模塊庫分別介紹。1.Transfer Functions

傳遞函數模塊，都能夠接受一個網絡輸入向量，并相應輸出一個網絡輸出向量。2.Net input Functions

3.Processing?Functions

4.Weight Fuctions

5.Control System

神經網絡Simulink建模

除了在simulink中進行模塊連接，還可以使用gensim函數生成simulink模型。1.創建模型gensim能利用工作空間中的神經網絡結構體生成simulink模型。該函數語法為gensim(net,st),net為網絡結構體，st為指定采樣時間。例：利用gensim函數創建一個前饋型神經網絡simulink模型。[x,t]=simplefit_dataset;net=feedforwardnet(10);net=train(net,x,t);gensim(net)

注：如果不進行網格訓練，只能得到中間的模塊。2、模型仿真與一般模型仿真一樣點擊箭頭。

因為只輸入了一個常數，所以示波器顯示一條直線。將Constant換成Signal Generator(3；0.2；赫茲)?再次觀察

利用GUI自定義神經網絡仿真

1.輸入nntool

2.單擊import進行網絡創建，在select區域選擇數據來源，通過選擇變量，在destination區域確定變量是作何用。單擊New按鈕打開創建網絡或數據界面，在Data選項卡中可以設置待創建數據的各屬性。3.網格訓練train4.網絡仿真simulate4.顯示結果在Output Data區域

總結

以上是生活随笔為你收集整理的.net一个函数要用另一个函数的值_MATLAB中的神经网络工具箱（2）函数命令及模型搭建...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。