BP神经网络matlab详细参数

1、基于matlab BP 神经网络参数详解（1）生成BP网络：由维的输入样本最小最大值构成的维矩阵。：各层的神经元个数。：各层的神经元传递函数。：训练用函数的名称。（2）网络训练（3）网络仿真BP网络的训练函数训练方法训练函数梯度下降法traingd有动量的梯度下降法traingdm自适应lr梯度下降法traingda自适应lr动量梯度下降法traingdx弹性梯度下降法trainrpFletcher-Reeves共轭梯度法traincgfPloak-Ribiere共轭梯度法traincgpPowell-Beale共轭梯度法traincgb量化共轭梯度法trainscg拟牛顿算法trainbfg

2、一步正割算法trainossLevenberg-MarquardttrainlmBP网络训练参数训练参数参数介绍训练函数net.trainParam.epochs最大训练次数（缺省为10）traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlmnet.trainParam.goal训练要求精度（缺省为0）traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、t

3、rainscg、trainbfg、trainoss、trainlmnet.trainParam.lr学习率（缺省为0.01）traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlmnet.trainParam.max_fail最大失败次数（缺省为5）traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、tr

4、ainlmnet.trainParam.min_grad最小梯度要求（缺省为1e-10）traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlmnet.trainParam.show显示训练迭代过程（NaN表示不显示，缺省为25）traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlmnet.t

5、rainParam.time最大训练时间（缺省为inf）traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlmnet.trainParam.mc动量因子（缺省0.9）traingdm、traingdxnet.trainParam.lr_inc学习率lr增长比（缺省为1.05）traingda、traingdxnet.trainParam.lr_dec学习率lr下降比（缺省为0.7）traingda、traingdxnet.trainParam

6、.max_perf_inc表现函数增加最大比（缺省为1.04）traingda、traingdxnet.trainParam.delt_inc权值变化增加量（缺省为1.2）trainrpnet.trainParam.delt_dec权值变化减小量（缺省为0.5）trainrpnet.trainParam.delt0初始权值变化（缺省为0.07）trainrpnet.trainParam.deltamax权值变化最大值（缺省为50.0）trainrpnet.trainParam.searchFcn一维线性搜索方法（缺省为srchcha）traincgf、traincgp、traincgb、trainbfg、trainossnet.trainParam.sigma因为二次求导对权值调整的影响参数（缺省值5.0e-5）trainscgnet.trainParam.lambdaHessian矩阵不确定性调节参数（缺省为5.0e-7）trainscgnet.trainParam.men_reduc控制计算机内存/速度的参量，内存较大设为1，否则设为2（缺省为1）trainlmnet.trainParam.mu的初始值（缺省为0.001）trainlmnet.trainPara