版本6.0.4(r2010a版本)25-jan-2010圖形使用者介面的功能。
nctool - 神經網路分類的工具。
nftool - 神經網路擬合工具。
nprtool - 神經網路模式識別工具。
nntool - 神經網路工具箱的圖形使用者介面。
nntraintool - 神經網路訓練工具。
檢視 - 檢視乙個神經網路。
分析功能。
混亂 - 分類混淆矩陣。
errsurf - 單輸入神經元的誤差表面。
maxlinlr - 最大的學習率的線性層。
鵬 - 受試者工作特徵。
距離函式。
boxdist - 箱距離函式。
dist - 歐氏距離權重函式。
mandist - 曼哈頓距離權重函式。
linkdist - 鏈路距離函式。
格式化資料。
combvec - 建立載體的所有組合。
con2seq - 轉換並行向量連續載體。
同意 - 建立併發偏載體。
dividevec - 建立載體的所有組合。
ind2vec - 轉換指數為載體。
最小最大 - 矩陣行範圍。
nncopy - 影印基質或細胞陣列。
normc - 規格化矩陣的列。
normr - 規格化行的矩陣的。
pnormc - 矩陣的偽規格化列。
定量 - 值離散化作為數量的倍數。
seq2con - 轉換順序向量併發載體。
vec2ind - 將向量轉換成指數。
初始化網路功能。
initlay - 層 - 層網路初始化函式。
初始化層功能。
initnw - 阮層的widrow初始化函式。
initwb - 從重量和 - 偏置層初始化函式。
初始化的重量和偏見的功能。
initcon - 良心的偏見初始化函式。
initzero - 零重量/偏置初始化函式。
initsompc - 初始化som的權重與主要成分。
中點 - 中點重初始化函式。
randnc - 歸一列重初始化函式。
randnr - 歸行重初始化函式。
蘭特 - 對稱隨機重量/偏置初始化函式。
學習功能。
learncon - 良心的偏見學習功能。
learngd - 梯度下降重量/偏置學習功能。
learngdm - 梯度下降w /氣勢重量/偏置學習功能。
learnh - 赫布重學習功能。
learnhd - 赫布衰變重學習功能。
learnis - 重量齡學習功能。
learnk - kohonen的重量學習功能。
learnlv1 - lvq1重學習功能。
learnlv2 - lvq2重學習功能。
learnos - outstar重學習功能。
learnsomb - 批自組織對映權重學習功能。
learnp - 感知重量/偏置學習功能。
learnpn - 歸感知重量/偏置學習功能。
learnsom - 自組織對映權重學習功能。
learnwh - 的widrow - 霍夫重量/偏置學習規則。
**搜尋功能。
srchbac - 回溯搜尋。
srchbre - 布倫特的結合**分割/二次插值。
srchcha - charalambous「三次插值。
srchgol - **分割。
srchhyb - 混合二分/立方搜尋。
淨輸入功能。
netprod - 產品淨輸入功能。
netsum - 求和淨輸入功能。
網路創造的功能。
網路 - 建立乙個自定義的神經網路。
newc - 建立乙個有競爭力的層。
newcf - 建立級聯**傳播網路。
newdtdnn - 建立乙個分布式的時間延遲神經網路。
newelm - 建立埃爾曼傳播網路。
newfit - createa乙個合適的網路。
newff - 建立前饋傳播網路。
newfftd - 建立乙個前饋輸入延遲backprop網路。
newgrnn - 設計乙個廣義回歸神經網路。
newhop - 建立乙個經常性的hopfield網路。
紐林 - 建立乙個線性層。
newlind - 設計乙個線性層。
newlvq - 建立學習型向量量化網路。
newnarx - 建立前饋傳播網路與反饋從輸出到輸入。
newnarxsp - 建立在串並聯布置的narx網路。
newp - 建立乙個感知。
newpnn - 設計乙個概率神經網路。
newpr - 建立乙個模式識別網路。
newrb - 設計乙個徑向基網路。
newrbe - 設計乙個確切的徑向基網路。
紐森 - 建立乙個自組織對映。
網路轉換功能。
sp2narx - 轉換串並聯narx網路並行(反饋)的形式。
網路更新功能。
nnt2c - 更新nnt 2.0競爭層。
nnt2elm - 更新nnt 2.0艾爾曼傳播網路。
nnt2ff - 更新nnt 2.0饋網路。
nnt2hop - 更新nnt 2.0 hopfield神經**網路。
nnt2lin - 更新nnt 2.0線性層。
nnt2lvq - 更新nnt 2.0學習向量量化網路。
nnt2p - 更新nnt 2.0感知。
nnt2rb - 更新nnt 2.0徑向基網路。
nnt2som - 更新nnt 2.0自組織對映。
效能功能。
美 - 平均絕對誤差效能的功能。
mse - 均方誤差效能函式。
msereg - 均方誤差有正表現功能。
mseregec - 均方誤差與正規化和節約效能的功能。
上證所 - 誤差平方和效能的功能。
繪圖功能。
hintonw - 韓丁圖權重矩陣。
hintonwb - 權重矩陣和偏移向量的韓丁圖。
plotbr - 貝葉斯正規化培訓小區網路的效能。
plotconfusion - 劇情分類混淆矩陣。
plotep - 劇情上的錯誤表面上的重量偏的位置。
plotes - 繪製單個輸入神經元的誤差表面。
plotfit - 繪圖函式擬合。
plotpc - 對感知向量圖繪製分線。
plotperform - 小區網路的效能。
plotpv - 劇情感知輸入/目標向量。
plotregression - 劇情線性回歸。
plotroc - 情節受試者工作特徵。
plotsom - 繪製自組織對映。
plotsomhits - 劇情自我組織圖來樣命中。
plotsomnc - 繪製自組織對映鄰居連線。
plotsomnd - 繪製自組織對映鄰居的距離。
plotsompos - 繪製自組織對映權重的位置。
plotsomtop - 繪製自組織對映的拓撲結構。
plottrainstate - 劇情訓練狀態值。
plotv - 向量繪製從原點線。
plotvec - 繪圖用不同的顏色向量。
postreg - 培訓後回歸分析。
處理資料。
fixunknowns - 具有未知值的過程矩陣行。
mapminmax - 地圖矩陣行最小和最大值設定為[-1 1]。
mapstd - 地圖矩陣行手段,偏離標準值。
processpca - 程序與主成分分析的矩陣行。
removeconstantrows - 刪除矩陣的行恆定值。
removerows - 刪除矩陣的行與指定的索引。
simulink的支援。
gensim - 生成simulink模組來模擬神經網路。
拓撲功能。
gridtop - 網格層拓撲功能。
hextop - 六角層拓撲功能。
randtop - 隨機層拓撲功能。
培訓功能。
trainb - 批量訓練重量和偏見的學習規則。
trainbuwb - 批無監督權/偏置學習。
trainbfg - bfgs擬牛頓反向傳播。
trainbr - 貝葉斯正規化建設。
trainc - 週期性為了增加培訓瓦特/學習功能。
traincgb - 鮑威爾,比爾共軛梯度反向傳播。
traincgf - 弗萊徹,鮑威爾共軛梯度反向傳播。
traincgp - 波拉克,ribiere共軛梯度反向傳播。
traingd - 梯度下降反向傳播。
traingdm - 梯度下降動量反向傳播。
traingda - 梯度下降自適應lr反向傳播。
traingdx - 梯度下降瓦特/動量及自適應lr反向傳播。
trainlm - 列文伯格 - 馬夸特反向傳播。
trainoss - 一步割線反向傳播。
trainr - 隨機順序遞增培訓瓦特/學習功能。
trainrp - 彈性反向傳播(rprop)。
火車 - 按順序遞增培訓瓦特/學習功能。
trainscg - 規模化的共軛梯度反向傳播。
傳遞函式。
compet - 競爭傳遞函式。
hardlim - 硬極限傳輸函式。
hardlims - 對稱硬極限傳輸函式。
logsig - 登入乙狀結腸傳遞函式。
netinv - 逆傳遞函式。
實驗六MATLAB神經網路工具箱
一 實驗目的 1 掌握matlab對感知器網路的構建與訓練方法。2 掌握matlab對線性神經網路的構建與訓練方法。3 掌握matlab對bp神經網路的構建與訓練方法。二 實驗原理 1 感知器的matlab 感知器 pereceptron 是一種特殊的神經網路模型,是由美國心理學家於1958年提出的...
bp神經網路
實驗四計算智慧型 1 1 實驗目的 理解反向傳播網路的結構和原理,掌握反向傳播演算法對神經元的訓練過程,了解反向傳播公式。通過構建bp網路例項,熟悉前饋網路的原理及結構。2 實驗內容 編寫乙個bp神經網路程式,實現簡單的分類。3 實驗報告要求 1 簡述實驗原理及方法,並請給出程式設計流程圖。bp演算...
BP神經網路
目標函式 y sin 2x sin x x 5,5 其影象為 程式 clc clear all x 5 0.01 5 y sin pi x sin 2 x net newff minmax x 10,1 traingd net train net,x,y y1 sim net,x plot x,y ...