神經(jīng)網(wǎng)絡(luò)工具箱的使用

1、神經(jīng)網(wǎng)絡(luò)工具箱的使用神經(jīng)網(wǎng)絡(luò)工具箱的使用本章主要介紹神經(jīng)網(wǎng)絡(luò)工具箱的使用使用nntool可以使得原本用編程來(lái)創(chuàng)建神經(jīng)網(wǎng)絡(luò)變得容易，而且不容易出錯(cuò)。1神經(jīng)網(wǎng)絡(luò)的創(chuàng)建與訓(xùn)練神經(jīng)網(wǎng)絡(luò)的創(chuàng)建與訓(xùn)練神經(jīng)網(wǎng)絡(luò)的創(chuàng)建主要分為以下四步：1)在命令窗口鍵入nntool命令打開(kāi)神經(jīng)網(wǎng)絡(luò)工具箱。如圖1：圖12)點(diǎn)擊Impt按鈕兩次，分別把輸入向量和目標(biāo)輸出加入到對(duì)應(yīng)的窗口（[Inputs]和[Targets]）中，有兩種可供選擇的加入對(duì)象（點(diǎn)擊Impt后可以

2、看見(jiàn)），一種是把當(dāng)前工作區(qū)中的某個(gè)矩陣加入，另一種是通過(guò).mat文件讀入。如圖2和圖3：i)InputRange——這個(gè)通過(guò)點(diǎn)擊GetFromInput下拉框選擇你加入的輸入向量便可自動(dòng)完成，當(dāng)然也可以自己手動(dòng)添加。ii)TrainingFunction——最好使用TRAINSCG，即共軛梯度法，其好處是當(dāng)訓(xùn)練不收斂時(shí)，它會(huì)自動(dòng)停止訓(xùn)練，而且耗時(shí)較其他算法（TRAINLM，TRAINGD）少，也就是收斂很快（如果收斂的話），而且Trai

3、nParameters輸入不多，也不用太多的技巧調(diào)整，一般指定迭代次數(shù)、結(jié)果顯示頻率和目標(biāo)誤差就可以了（詳見(jiàn)下文）。iii)Layer1NumberofNeurons——隱層的神經(jīng)元個(gè)數(shù)，這是需要經(jīng)驗(yàn)慢慢嘗試并調(diào)整的，大致上由輸入向量的維數(shù)、樣本的數(shù)量和輸出層（Layer2）的神經(jīng)元個(gè)數(shù)決定。一般來(lái)說(shuō)，神經(jīng)元越多，輸出的數(shù)值與目標(biāo)值越接近，但所花費(fèi)的訓(xùn)練時(shí)間也越長(zhǎng)，反之，神經(jīng)元越少，輸出值與目標(biāo)值相差越大，但訓(xùn)練時(shí)間會(huì)相應(yīng)地減少，這是由

4、于神經(jīng)元越多其算法越復(fù)雜造成的，所以需要自己慢慢嘗試，找到一個(gè)合適的中間點(diǎn)。比如輸入是3行5000列的09的隨機(jī)整數(shù)矩陣，在一開(kāi)始選擇1000個(gè)神經(jīng)元，雖然精度比較高，但是花費(fèi)的訓(xùn)練時(shí)間較長(zhǎng)，而且這樣神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與算法都非常復(fù)雜，不容易在實(shí)際應(yīng)用中實(shí)現(xiàn)，嘗試改為100個(gè)，再調(diào)整為50個(gè)，如果發(fā)現(xiàn)在50個(gè)以下時(shí)精度較差，則可最后定為50個(gè)神經(jīng)元，等等。iv)Layer1TransferFunction——一般用TANSIG（當(dāng)然也可以L