案例30神经网络GUI的实现

1、案例背景：以上案例都是利用命令行的形式来调用神经网络函数，而对于刚开始接触神经网络和MATLAB的用户来讲，则需要花费一些时间来学习如何调用神经网络函数，以及理解函数里参数的意义。为了让刚开始接触神经网络和MATLAB的新用户，可以快速地进入利用神经网络解决实际问题的阶段，MATLAB提供了一个基于神经网络工具箱的图形用户界面。所谓图形用户界面(Graphical User Interfaces, GUI)，指的是由窗口、光标、按键、菜单、文字说明等对象构成的一个用户界面。用户可以通过一定的方法(如鼠标或者键盘)选择、激活这些图形对象，实现某种特定的功能，如计算、绘图等。通过这种简单、易用的交

2、互功能，能够极大地提高工作效率。考虑到图形用户界面带来的方便和神经网络在数据拟合、模式识别、聚类各个领域的应用，新版本的MATLAB提供了三种神经网络拟合工具箱和图形用户界面。下面将逐一介绍。.以下有更详细的说明和做法工具箱介绍：神经网络拟合工具箱的图形界面 神经网络在函数逼近和数据拟合方面得到广泛应用，该GUI界面可以实现神经网络的数据拟合功能。打开神经网络拟合工具箱图形界面的命令为：nftool.以下有更详细的说明和做法神经网络模式识别工具箱的图形界面模式识别问题中，往往是想建立一种网络来对已有分类的目标数据进行学习、训练。最后将训练好的网络用来进行分类。从对话框我们可知：神经网络模式识别

3、工具箱将帮助用来收集，建立和训练网络，并且利用均方误差和混淆矩阵来评价网络的效果。用来进行模式识别的是一个两层的前向型神经网络，隐藏神经元和输出神经元使用的都是Sigmoid函数，如果给定足够的隐藏层神经元，网络就实现数据的模式识别问题。 模式识别工具箱的训练使用了量化连接梯度训练函数，即trainscg算法，单击NEXT按键，会出现导入数据的对话框。.以下有更详细的说明和做法 打开神经网络模式识别工具箱图形界面的命令为：nprtool神经网络聚类工具箱的图形界面聚类问题中，往往是想建立一种网络来对一组数据按照相似性分组。从对话框我们可知：神经网络聚类工具箱将帮助用来收集，建立和训练网络，并且

4、利用可视化工具来评价网络的效果。MATLAB使用自组织特征映射网络（Self-organizing map,SOM）进行数据的聚类。SOM网络包括一个可以将任何维数的数据分成若干类的竞争层。在竞争层中，神经元按照二维拓扑结构排列，这就使竞争层神经元能够代表样本分布相似的分布。SOM神经网络使用了SOM batch的算法，使用的是trainubwb和learnsomb函数。.以下有更详细的说明和做法打开神经网络聚类工具箱图形界面的命令为：nctool案例扩展：利用图形用户界面，可以快速的现实神经网络的拟合，模式识别，聚类等功能。通过这种简单、易用的交互功能。能够极大地提高工作效率。GUI避免了代码的编写过程，并且可以在最后的界面里生成相应的MATLAB代码。但是如果你是一个新手，建议不要开始就使用GUI来解决实际问题，因为GUI中的一些功能只有在熟练掌握了工具箱的大部分函数后才可以正确运用。因此，最好的方式是