|
Matlab的神經(jīng)網(wǎng)絡(luò)工具箱入門
別的不多說(shuō)，你之所以來(lái)到這里神經(jīng)網(wǎng)絡(luò)工具箱是一個(gè)多么牛逼大東西想必你也知道，可是牛逼規(guī)牛逼這東東該怎么用呢，今天俺們就來(lái)研究一下。 先問(wèn)問(wèn)度娘，matlab神經(jīng)網(wǎng)絡(luò)工具箱該如何安裝，末了發(fā)現(xiàn)這軟件本身以經(jīng)預(yù)裝了這東東，這到省去了不少麻煩，真給力呀。 在command window中鍵入 help nnet 得到如下信息
>> help nnet Neural Network Toolbox Version 7.0 (R2010b) 03-Aug-2010
媽里個(gè)拔子的！，一大堆鳥語(yǔ)，由于怕嚇著大家，所以原文我就不寫拉，google翻譯之。
的如下信息
神經(jīng)網(wǎng)絡(luò)工具箱
版本7.0（R2010b）03八月，2010 圖形用戶界面功能。 nnstart - 神經(jīng)網(wǎng)絡(luò)啟動(dòng)GUI nctool - 神經(jīng)網(wǎng)絡(luò)分類工具 nftool - 神經(jīng)網(wǎng)絡(luò)的擬合工具 nntraintool - 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練工具 nprtool - 神經(jīng)網(wǎng)絡(luò)模式識(shí)別工具 ntstool - NFTool神經(jīng)網(wǎng)絡(luò)時(shí)間序列的工具 nntool - 神經(jīng)網(wǎng)絡(luò)工具箱的圖形用戶界面。 查看 - 查看一個(gè)神經(jīng)網(wǎng)絡(luò)。 網(wǎng)絡(luò)的建立功能。 cascadeforwardnet - 串級(jí)，前饋神經(jīng)網(wǎng)絡(luò)。 competlayer - 競(jìng)爭(zhēng)神經(jīng)層。 distdelaynet - 分布時(shí)滯的神經(jīng)網(wǎng)絡(luò)。 elmannet - Elman神經(jīng)網(wǎng)絡(luò)。 feedforwardnet - 前饋神經(jīng)網(wǎng)絡(luò)。 fitnet - 函數(shù)擬合神經(jīng)網(wǎng)絡(luò)。 layrecnet - 分層遞歸神經(jīng)網(wǎng)絡(luò)。 linearlayer - 線性神經(jīng)層。 lvqnet - 學(xué)習(xí)矢量量化（LVQ）神經(jīng)網(wǎng)絡(luò)。 narnet - 非線性自結(jié)合的時(shí)間序列網(wǎng)絡(luò)。 narxnet - 非線性自結(jié)合的時(shí)間序列與外部輸入網(wǎng)絡(luò)。 newgrnn - 設(shè)計(jì)一個(gè)廣義回歸神經(jīng)網(wǎng)絡(luò)。 newhop - 建立經(jīng)常性的Hopfield網(wǎng)絡(luò)。 newlind - 設(shè)計(jì)一個(gè)線性層。 newpnn - 設(shè)計(jì)概率神經(jīng)網(wǎng)絡(luò)。 newrb - 徑向基網(wǎng)絡(luò)設(shè)計(jì)。 newrbe - 設(shè)計(jì)一個(gè)確切的徑向基網(wǎng)絡(luò)。 patternnet - 神經(jīng)網(wǎng)絡(luò)模式識(shí)別。 感知 - 感知。 selforgmap - 自組織特征映射。 timedelaynet - 時(shí)滯神經(jīng)網(wǎng)絡(luò)。 利用網(wǎng)絡(luò)。 網(wǎng)絡(luò) - 創(chuàng)建一個(gè)自定義神經(jīng)網(wǎng)絡(luò)。 SIM卡 - 模擬一個(gè)神經(jīng)網(wǎng)絡(luò)。 初始化 - 初始化一個(gè)神經(jīng)網(wǎng)絡(luò)。 適應(yīng) - 允許一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)適應(yīng)。 火車 - 火車的神經(jīng)網(wǎng)絡(luò)。 DISP鍵 - 顯示一個(gè)神經(jīng)網(wǎng)絡(luò)的屬性。 顯示 - 顯示的名稱和神經(jīng)網(wǎng)絡(luò)屬性 adddelay - 添加延遲神經(jīng)網(wǎng)絡(luò)的反應(yīng)。 closeloop - 神經(jīng)網(wǎng)絡(luò)的開放反饋轉(zhuǎn)換到關(guān)閉反饋回路。 formwb - 表格偏見和成單個(gè)向量的權(quán)重。 getwb - 將它作為一個(gè)單一向量中的所有網(wǎng)絡(luò)權(quán)值和偏差。 noloop - 刪除神經(jīng)網(wǎng)絡(luò)的開放和關(guān)閉反饋回路。 開環(huán) - 轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)反饋，打開封閉的反饋循環(huán)。 removedelay - 刪除延遲神經(jīng)網(wǎng)絡(luò)的反應(yīng)。 separatewb - 獨(dú)立的偏見和重量/偏置向量的權(quán)重。 setwb - 將所有與單個(gè)矢量網(wǎng)絡(luò)權(quán)值和偏差。 Simulink的支持。 gensim - 生成Simulink模塊來(lái)模擬神經(jīng)網(wǎng)絡(luò)。 setsiminit - 集神經(jīng)網(wǎng)絡(luò)的Simulink模塊的初始條件 getsiminit - 獲取神經(jīng)網(wǎng)絡(luò)Simulink模塊的初始條件 神經(jīng)元 - 神經(jīng)網(wǎng)絡(luò)Simulink的模塊庫(kù)。 培訓(xùn)職能。 trainb - 批具有重量與偏見學(xué)習(xí)規(guī)則的培訓(xùn)。 trainbfg - 的BFGS擬牛頓倒傳遞。 trainbr - 貝葉斯規(guī)則的BP算法。 trainbu - 與重量與偏見一批無(wú)監(jiān)督學(xué)習(xí)規(guī)則的培訓(xùn)。 trainbuwb - 與體重?zé)o監(jiān)督學(xué)習(xí)規(guī)則與偏見一批培訓(xùn)。 trainc - 循環(huán)順序重量/偏見的培訓(xùn)。 traincgb - 共軛鮑威爾比爾重新啟動(dòng)梯度反向傳播。 traincgf - 共軛弗萊徹-里夫斯更新梯度反向傳播。 traincgp - 共軛波拉克- Ribiere更新梯度反向傳播。 traingd - 梯度下降反向傳播。 traingda - 具有自適應(yīng)LR的反向傳播梯度下降。 traingdm - 與動(dòng)量梯度下降。 traingdx - 梯度下降瓦特/慣性與自適應(yīng)LR的反向傳播。 trainlm - 采用Levenberg -馬奎德倒傳遞。 trainoss - 一步割線倒傳遞。 trainr - 隨機(jī)重量/偏見的培訓(xùn)。 trainrp - RPROP反向傳播。 trainru - 無(wú)監(jiān)督隨機(jī)重量/偏見的培訓(xùn)。 火車 - 順序重量/偏見的培訓(xùn)。 trainscg - 規(guī)?；曹椞荻菳P算法。 繪圖功能。 plotconfusion - 圖分類混淆矩陣。 ploterrcorr - 誤差自相關(guān)時(shí)間序列圖。 ploterrhist - 繪制誤差直方圖。 plotfit - 繪圖功能適合。 plotinerrcorr - 圖輸入錯(cuò)誤的時(shí)間序列的互相關(guān)。 plotperform - 小區(qū)網(wǎng)絡(luò)性能。 plotregression - 線性回歸情節(jié)。 plotresponse - 動(dòng)態(tài)網(wǎng)絡(luò)圖的時(shí)間序列響應(yīng)。 plotroc - 繪制受試者工作特征。 plotsomhits - 小區(qū)自組織圖來(lái)樣打。 plotsomnc - 小區(qū)自組織映射鄰居的連接。 plotsomnd - 小區(qū)自組織映射鄰居的距離。 plotsomplanes - 小區(qū)自組織映射重量的飛機(jī)。 plotsompos - 小區(qū)自組織映射重量立場(chǎng)。 plotsomtop - 小區(qū)自組織映射的拓?fù)浣Y(jié)構(gòu)。 plottrainstate - 情節(jié)訓(xùn)練狀態(tài)值。 plotwb - 圖寒春重量和偏差值圖。 列出其他神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的功能。 nnadapt - 適應(yīng)職能。 nnderivati??ve - 衍生功能。 nndistance - 距離函數(shù)。 nndivision - 除功能。 nninitlayer - 初始化層功能。 nninitnetwork - 初始化網(wǎng)絡(luò)功能。 nninitweight - 初始化權(quán)函數(shù)。 nnlearn - 學(xué)習(xí)功能。 nnnetinput - 凈輸入功能。 nnperformance - 性能的功能。 nnprocess - 處理功能。 nnsearch - 線搜索功能。 nntopology - 拓?fù)浣Y(jié)構(gòu)的功能。 nntransfer - 傳遞函數(shù)。 nnweight - 重量的功能。 示威，數(shù)據(jù)集和其他資源 nndemos - 神經(jīng)網(wǎng)絡(luò)工具箱的示威。 nndatasets - 神經(jīng)網(wǎng)絡(luò)工具箱的數(shù)據(jù)集。 nntextdemos - 神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)教科書的示威。 nntextbook - 神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)教科書的資訊。 研究一下，這感情好呀，還有圖形用戶界面。
于是用他給出的命令 nntool（同樣是在command window鍵入） 調(diào)出圖形用戶界面如下
|
|
|
來(lái)自： Ethan的博客 > 《數(shù)學(xué)建模云》
