Matlab-神經(jīng)網(wǎng)絡(luò)工具箱介紹

1、Matlab-神經(jīng)網(wǎng)絡(luò)工具箱介紹2022-4-122神經(jīng)網(wǎng)絡(luò)工具箱介紹神經(jīng)網(wǎng)絡(luò)工具箱介紹2022-4-123 MATLAB 202Xb的神經(jīng)網(wǎng)絡(luò)工具箱neural network toolbox提供了圖形用戶界面(graph user interface , GUI) ,從而使用戶在圖形界面上,通過與計算機的交互操作設(shè)計和仿真神經(jīng)網(wǎng)絡(luò),使得神經(jīng)網(wǎng)絡(luò)的設(shè)計和仿真變得簡單易學(xué).2022-4-124 1 1圖形用戶界面簡介圖形用戶界面簡介 函數(shù)nntool 的詳解見help文檔。在MATLAB 命令窗口(command window)輸入nntool, 按Enter后即可打networkdata m

2、anager(網(wǎng)絡(luò)數(shù)據(jù)管理器窗補如圖1 所示。)（或點擊或點擊Start/Toolboxes/Neural Network）2022-4-125 圖1 圖形用戶界面2022-4-126 使用過程與實例使用過程與實例 數(shù)據(jù)構(gòu)造與預(yù)處理數(shù)據(jù)構(gòu)造與預(yù)處理 訓(xùn)練數(shù)據(jù)導(dǎo)入訓(xùn)練數(shù)據(jù)導(dǎo)入nntoolnntool 建立網(wǎng)絡(luò)建立網(wǎng)絡(luò) 訓(xùn)練網(wǎng)絡(luò)訓(xùn)練網(wǎng)絡(luò) 仿真網(wǎng)絡(luò)仿真網(wǎng)絡(luò) 輸出輸出與存儲與存儲模擬結(jié)果模擬結(jié)果 加載先前仿真過的網(wǎng)絡(luò)于加載先前仿真過的網(wǎng)絡(luò)于nntoolnntool2022-4-127 數(shù)據(jù)構(gòu)造與預(yù)處理數(shù)據(jù)構(gòu)造與預(yù)處理 Time Series ForecastingTime Series Forecas

3、ting2022-4-128 數(shù)據(jù)構(gòu)造與預(yù)處理數(shù)據(jù)構(gòu)造與預(yù)處理2022-4-129 訓(xùn)練數(shù)據(jù)導(dǎo)入訓(xùn)練數(shù)據(jù)導(dǎo)入nntoolnntool 根據(jù)數(shù)據(jù)的多少，數(shù)據(jù)文件的格式等獲取樣本數(shù)據(jù)的方法有： 1）直接輸入數(shù)據(jù)：通過采用元素列表方式輸入。適用于樣本數(shù)目較少時。New按鈕 2）Import from Matlab Workspace：Import按鈕。 3）Load from disk file：適合從M-file 文件中讀取數(shù)據(jù)。 Import按鈕。 2022-4-1210 Import from Matlab Workspace2022-4-1211Load from disk file2022

4、-4-1212 建立網(wǎng)絡(luò)建立網(wǎng)絡(luò) Network/Data Manager窗口中New打開Create Network or Data，如右圖。 NameName：定義網(wǎng)絡(luò)名為：定義網(wǎng)絡(luò)名為network1network1 選擇選擇Input/Target Data,Input/Target Data,設(shè)設(shè)置訓(xùn)練函數(shù)等參數(shù)。置訓(xùn)練函數(shù)等參數(shù)。 ViewView：查看模型：查看模型2022-4-1213 訓(xùn)練訓(xùn)練網(wǎng)絡(luò)網(wǎng)絡(luò) Network/Data Manager窗口中選中network1network1，雙擊或雙擊或OpenOpen。打開如下圖 在Train中，見下頁圖，2022-4-12142

5、022-4-1215 可以看出,該窗口為一個多頁面對話框,在Train 頁面有2個子頁面：Training ：訓(xùn)練數(shù)據(jù)(Training Data)的輸入向量(Inputs )選擇為p,目標向量(Targets)選擇為t;訓(xùn)練結(jié)果(Training Results)的輸出變量(outputs ) 和誤差性能變量(Errors)采用系統(tǒng)自動生成的network1 network1 _ output,和network1 network1 _ errors,當(dāng)然它們也可以由用戶重新定義。2022-4-1216TrainingParameters ：設(shè)置訓(xùn)練的各種參數(shù),這要根據(jù)具體訓(xùn)練和學(xué)習(xí)函數(shù)進行確

6、定,相關(guān)內(nèi)容可參看各神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練和學(xué)習(xí)算法。本例采用其默認值即可。epochs：訓(xùn)練的最大循環(huán)次數(shù)goal：性能目標max_fail：最大驗證數(shù)據(jù)失敗的次數(shù)mem_reduc：降低內(nèi)存需求的系數(shù)min_grad：最小性能梯度mu：動量的初始值mu_dec：動量減少系數(shù)mu_inc：動量增加系數(shù)mu_max：動量最大值show：每格多少訓(xùn)練循環(huán)次數(shù)會顯示訓(xùn)練過程time：最大的訓(xùn)練所須時間，單位為秒2022-4-1217 以上過程完成后,單擊該頁面的Train Network按鈕,開始訓(xùn)練,其訓(xùn)練過程如圖9所示。 圖9 訓(xùn)練誤差性能曲線Algorithms：相關(guān)參數(shù)Progress：終止條

7、件（只要一個滿足則停止）Plots：各種圖形曲線2022-4-1218 訓(xùn)練完成后,在Network/Data Manager窗口可以看到,在Outputs區(qū)域顯示出輸出變量名network1 network1 _outputs,在Errors區(qū)域顯示出誤差性能變量名network1 network1 _ errors。選中變量名,單擊該窗口的Open按鈕,則彈出數(shù)據(jù)(Data)窗口,在該窗口可以查看到該所選中變量的具體數(shù)據(jù)。2022-4-1219 仿真仿真 Network/Data Manager窗口中選中network1network1，雙擊或雙擊或OpenOpen。 在Simulate中

8、，見圖，2022-4-1220 將仿真數(shù)據(jù)選擇為testX,仿真結(jié)果選擇為network1_outputs_sim；Targets選為TestY，誤差errors為network1_errors_sim。單擊Simulate Network按鈕,則在Network/ Data Manager窗口的Outputs和Errors區(qū)域分別顯示出相應(yīng)的仿真結(jié)果，選中變量名,單擊該窗口的Open按鈕,彈出數(shù)據(jù)窗口,在該窗口可以查看仿真結(jié)果的具體數(shù)據(jù),如圖 所示。2022-4-1221 結(jié)果結(jié)果ExportExport和和SaveSave Network/Data Manager窗口中點擊Export 選擇一個或多個變量，Export（導(dǎo)出至Workspace）或Save（存儲為*.mat文件）2022-4-1222 加載先前仿真過的網(wǎng)絡(luò)于加載先前仿真過的網(wǎng)絡(luò)于nntoolnntool 假設(shè)已通過step 6將先前的網(wǎng)絡(luò)等數(shù)據(jù)保存至mat文件里，那么可以通過Import，將網(wǎng)絡(luò)和數(shù)據(jù)導(dǎo)入至nntool，過程同中Load from disk file2022