【Matlab】神经网络工具箱经典神经网络创建函数介绍

Matlab神经网络工具箱为用户提供了一系列的常用函数，用来进行神经网络的创建、训练、和数据分析。神经网络的形式有很多种，Matlab很难完全覆盖，因此Matlab神经网络工具箱仅包含了一部分经典和常见神经网络的函数工具，下面对几种常见的神经网络创建函数进行介绍。

1.单层感知机神经网络创建函数

函数名：newp。
基本格式：newp(PR,S,TF,LF)。
参数说明：
PR-输入向量的取值范围，一般为R*2矩阵，限定输入数据的最大值、最小值；
S-神经元的数目；
TF-神经网络的激活函数，例如hardlims函数等；
LF-神经网络的学习函数，例如learnp函数等。

2.线性神经网络创建函数

函数名：newlin。
基本格式：newlin(PR,S,ID,LF)。
参数说明：
PR-输入向量的取值范围，一般为R*2矩阵，限定输入数据的最大值、最小值；
S-神经元的数目；
ID-输入数据向量的延迟；
LF-神经网络的学习率。

3.前馈性神经网络创建函数

函数名：newff。
基本格式：newff(PR,[S1,S2,...,SN],[TF1,TF2,...TFN],BTF,BLF,PF)。
参数说明：
PR-输入向量的取值范围，一般为R*2矩阵，限定输入数据的最大值、最小值；
[S1,S2,...,SN]-第1,2,...,N个神经网络层的数目；
[TF1,TF2,...TFN]-第1,2,...,N个神经网络层的激活函数，可以是线性函数，例如logsig函数等；
BTF-神经网络的训练函数，可以是梯度下降算法的训练函数，权值、阀值学习规则函数等；
BLF-BP神经网络的学习函数，可以是梯度下降权值、阀值学习函数，动量因子学习函数等；
PF-神经网络的性能指标函数，例如平均绝对误差函数、均方误差函数等。

4.Elman神经网络创建函数

函数名：newelm。
基本格式：newff(PR,[S1,S2,...,SN],[TF1,TF2,...TFN],BTF,BLF,PF)。
参数说明：
PR-输入向量的取值范围，一般为R*2矩阵，限定输入数据的最大值、最小值；
[S1,S2,...,SN]-第1,2,...,N个神经网络层的数目；
[TF1,TF2,...TFN]-第1,2,...,N个神经网络层的激活函数，可以是线性函数，例如logsig函数等；
BTF-神经网络的训练函数，可以是梯度下降算法的训练函数，权值、阀值学习规则函数等；
BLF-BP神经网络的学习函数，可以是梯度下降权值、阀值学习函数，动量因子学习函数等；
PF-神经网络的性能指标函数，例如平均绝对误差函数、均方误差函数等。

5.径向基神经网络创建函数

函数名：newrb。
基本格式：newrb(P,T,goal,spread,MN,DF)。
参数说明：
P-输入数据向量(矩阵)；
T-目标数据向量(矩阵)；
goal-误差目标值；
spread-径向基函数的扩展系数，用来调整函数逼近曲线的情况。

6.反馈型神经网络创建函数

函数名：newrhop。
基本格式：newrhop(T)。
参数说明：
T-目标数据向量(矩阵)。

7.自组织特征映射神经网络创建函数

函数名：newrsom。
基本格式：newrsom(PR,[D1,D2,...,DN],TFCN,DFCN,OLR,OSTEPS,TLR,TND)。
参数说明：
[D1,D2,...,DN]-网络中第1,2,...,N个网络层的大小；
TFCN-网络中的拓扑函数，例如可以是gridtop或randtop函数等；
DFCN-网络中的距离函数，例如可以是linkdist或mandist等；
OLR-自组织特征映射(SOM)网络排序阶段的学习率；
OSTEPS-自组织特征映射网络排序阶段的训练次数；
TLR-自组织特征映射网络调整阶段的学习率；
TND-自组织特征映射网络调整阶段的相邻距离。

8.学习向量量化神经网络创建函数

函数名：newrlvp。
基本格式：newrlvp(PR,S1,PC,LR,LF)。
参数说明：
PR-输入向量的取值范围，一般为R*2矩阵，限定输入数据的最大值、最小值；
S1-隐含层的神经元数目；
PC-学习向量(LVQ)神经网络输出单元的各类模式所占的百分比；
LR-神经网络的学习率；
LF-神经网络的学习函数。

9.概率神经网络创建函数

函数名：newpnn。
基本格式：newpnn(P,T,spread)。
参数说明：
P-输入数据向量(矩阵)；
T-目标数据向量(矩阵)；
spread-径向基函数的扩展系数，用来调整函数逼近曲线的情况。

10.用户自定义的神经网络创建函数

函数名称：network。
基本格式：network(numInputs,numLayerss,biasConnect,inputConnect,layerConnect,outputConnect,targetConnect)。
参数说明：
numInputs-用户自定义神经网络的输入向量数；
numlayers-用户自定义神经网络的参数；
biasConnect-用于判断用户自定义神经网络各层是否存在阀值向量；
inputConnect-用于判断用户自定义神经网络的各层是否存在与输入向量的连接权；
layerConnect-用于判断用户自定义神经网络的某层是否与其他网络层存在连接权；
outConnect-用于判断用户自定义神经网络的某层是否可以作为输出层；
targetConnect-用于判断用户自定神经网络的各层是否与输出的目标向量有关。

以上是Matlab神经网络工具箱中较为经典和常用的神经网络创建函数，而Matlab神经网络工具箱中的创建函数远不止此，至于其它神经网络创建函数，可查阅Matlab神经网络工具箱的帮助文档。