神经网络工具箱的使用

1、神经网络工具箱的使用神经网络工具箱的使用本章主要介绍神经网络工具箱的使用,使用 nntool可以使得原本用编程来创建神经网络变 得容易，而且不容易出错。1神经网络的创建与训练神经网络的创建主要分为以下四步：1）在命令窗口键入nntool命令打开神经网络工具箱。如图1：图12）点击Import按钮两次，分别把输入向量和 目标输出加入到对应的窗口（ Inputs和 Targets）中，有两种可供选择的加入对象（点 击Import后可以看见），一种是把当前工作区中 的某个矩阵加入，另一种是通过.mat文件读入。 如图2和图3:Xaport or Load to letvork/Dat 41 lazi

2、agEEXiSource impartnom Mai iJHwarkspatcC i.oadnom diBKneSo ccta Variabler4ameMT-11 NcmiieHlinpoiiAs'N£tworF I Wil%O -"arcetsO mfliinpit BtatH,-li bdl Lcyer SpatesO OutEUbO £trareCsice3）点击New Network按钮，填入各参数：（以最常用的带一个隐层的3层神经网络为例说 明，下面没有列出的参数表示使用默认值就可以 了，例如Network Type为默认的B/申经网络）；i）

3、Input Range这个通过点击 Get FromInput下拉框选择你加入的输入向量便可自动完 成，当然也可以自己手动添加。ii） Training Function最 好使用TRAINSCG即共轨梯度法，其好处是当训练不收 敛时，它会自动停止训练，而且耗时较其他算法（TRAINLM TRAINGD少，也就是收敛很快（如 果收敛的话），而且Train Parameters输入不多， 也不用太多的技巧调整，一般指定迭代次数、结 果显示频率和目标误差就可以了（详见下文）。iii） Layer 1 Number of Neurons 隐层的神经元个数，这是需要经验慢慢尝试并调整 的，大致上由输入

4、向量的维数、 样本的数量和输 出层（Layer2）的神经元个数决定。一般来说，神经元越多，输出的数值与目标值越接近，但所 花费的训练时间也越长，反之，神经元越少，输 出值与目标值相差越大，但训练时间会相应地减 少，这是由于神经元越多其算法越复杂造成的， 所以需要自己慢慢尝试，找到一个合适的中间 点。比如输入是3行5000列的0-9的随机整数矩 阵，在一开始选择100办神经元，虽然精度比较 高，但是花费的训练时间较长，而且这样神经网 络的结构与算法都非常复杂，不容易在实际应用 中实现，尝试改为1004再调整为50个，如果 发现在50个以下时精度较差，则可最后定为50个神经元，等等。iv）Laye

5、r 1 Transfer Function一般用TANSIG（当然也可以LOGSIG ,即表示隐层输出 是-1,1之间的实数，与LOGSIG!比范围更大。v） Layer 2 Number of Neurons输出层的神经元个数，需要与输出的矩阵行数对应，比 如设置为3,等等。如果vi） Layer 2 Transfer Function是模式识别的两类（或者多类）问题，一般用 LOGSIG即表示输出层的输出是0,1之间的实 数；如果输出超过0,1则可选择PURELIN如图 4和图5。图4图5所有参数输入后，可以先用View按钮预览一 下，如图6。没有问题的话就可以Create 了。另 外，网

6、络创建完毕后，如果需要手动设置权重的 初始值，按View按钮后有个Initialize选项卡,在那里可以设定。当然了，也可以不自行设定， 这时候Matlab执行默认的程序进行权重的初始 化（没有具体研究过，可能是随机设定）。图64）点击Train按钮，到达Training Info选项 卡，在输入向量Inputs和目标输入向量 Targets下拉框中选择你要训练的向量（即第 二步加入的对象），如图 7。然后到达Train Parameters选项卡，填入适当的迭代次数 epochs（一般先设置一个较小的数如 200,然 后观察收敛结果，如果结果窗口的收敛曲线衰减 较快，则表示之前的参数比较有效

7、，因此可填入 2000或更大的数目使得网络收敛，否则修改之前 的参数）、结果显示频率show（例如要每隔50 次迭代显示结果窗口，则填 50）和目标误差 goal（这个与第2步中的"PerformanceFunction ”有关，如果使用默认的 MSE则一般 满足“goal*样本数量0.5”就可以了），就可 以开始训练了（按钮Train Network）,如果 结果收敛（训练误差不大于目标误差，即蓝色线 到达黑色线位置）就OKT （例如要求精度很高， 尝试填0,等等），如图8。图72 神经网络的仿真测试神经网络的仿真测试非常简单，选定训练好的神经网络）点击 View按钮）再点击Simulate按钮，在Simulate Data 中的 Inputs 一栏中导入需要测试的数据（需要是工作区的矩阵，所以可以事先将数据写在但单独的程序中，