神經(jīng)網(wǎng)絡工具箱的使用

1、神經(jīng)網(wǎng)絡工具箱的使用神經(jīng)網(wǎng)絡工具箱的使用本章主要介紹神經(jīng)網(wǎng)絡工具箱的使用使用nntool可以使得原本用編程來創(chuàng)建神經(jīng)網(wǎng)絡變得容易，而且不容易出錯。1神經(jīng)網(wǎng)絡的創(chuàng)建與訓練神經(jīng)網(wǎng)絡的創(chuàng)建與訓練神經(jīng)網(wǎng)絡的創(chuàng)建主要分為以下四步：1)在命令窗口鍵入nntool命令打開神經(jīng)網(wǎng)絡工具箱。如圖1：圖12)點擊Impt按鈕兩次，分別把輸入向量和目標輸出加入到對應的窗口（[Inputs]和[Targets]）中，有兩種可供選擇的加入對象（點擊Impt后可以

2、看見），一種是把當前工作區(qū)中的某個矩陣加入，另一種是通過.mat文件讀入。如圖2和圖3：i)InputRange——這個通過點擊GetFromInput下拉框選擇你加入的輸入向量便可自動完成，當然也可以自己手動添加。ii)TrainingFunction——最好使用TRAINSCG，即共軛梯度法，其好處是當訓練不收斂時，它會自動停止訓練，而且耗時較其他算法（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)果顯示頻率和目標誤差就可以了（詳見下文）。iii)Layer1NumberofNeurons——隱層的神經(jīng)元個數(shù)，這是需要經(jīng)驗慢慢嘗試并調(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)元個數(shù)決定。一般來說，神經(jīng)元越多，輸出的數(shù)值與目標值越接近，但所花費的訓練時間也越長，反之，神經(jīng)元越少，輸出值與目標值相差越大，但訓練時間會相應地減少，這是由

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