Ⅰ 關於MATLAB中神經網路工具箱的問題
線性神經網路的構建:
net=newlin(PR,S,ID,LR)
PR--Rx2階矩陣,R個輸入元素的最小最大矩陣
S---輸出層神經元個數
ID--輸入延遲向量,默認值為[0]
IR--學習率,默認值為0.01
net = newlin([-1 1;-1 1],1); 表示設計的是一個雙輸入單輸出線性神經網路
P = [1 2 2 3; 2 1 3 1];表示輸入樣本有四個,每一列就是一個輸入樣本
又比如假設我們期望的輸出為 T=[1 2 3 4],則一個簡單的神經網路如下:
>>net = newlin([-1 1;-1 1],1);%創建初始網路
P=[1 2 2 3; 2 1 3 1]%輸入
T=[1 2 3 4]%期望的輸出
net=newlind(P,T);%用輸入和期望訓練網路
Y=sim(net,P)%模擬,可以看到模擬結果Y和期望輸出T的接近程度
P =
1 2 2 3
2 1 3 1
T =
1 2 3 4
Y =
0.8889 2.1667 3.0556 3.8889
樓主可以從《matlab神經網路與應用(第二版)》董長虹 開始入門神經網路的matlab實現
Ⅱ matlab怎麼打開神經網路工具箱
在matlab命令窗口中,輸入
>>nnstart %回車後就會彈出神經網路工具箱主窗口。
Ⅲ 如何在MATLAB中打開工具箱
matlab自帶的工具箱,左下角,start-toolbox-選擇
自己下載的工具箱,在file
set
path裡面添加路徑就可以用了
Ⅳ 如何使用matlab中的工具箱
首先,將下載的工具箱文件解壓,將文件夾復制到MATLAB安裝目錄下toolbox文件夾下專。
其次,在MATLAB命令行中輸屬入如下命令:
>>cd D:\MATLAB7\toolbox\piotr_toolbox % 找到你的工具箱
>> addpath(genpath('D:\MATLAB7\toolbox\piotr_toolbox')) %增加路徑
>> savepath %永久保存路徑
最後,檢查是否成功:
>>which hog %隨便輸入所加入工具箱中的一個m文件
D:\MATLAB7\toolbox\piotr_toolbox\channels\hog.m %得到此文件路徑,即載入正確
Ⅳ 新人求教,matlab 2016a的excllink工具箱在哪裡,找不到
在初次安裝時,有一步就是選擇所需的工具箱,如下圖,這里的工具箱與你最開始提供的序列號有關,你可以選擇安裝哪些工具箱,或者全選全部安裝。
Ⅵ 怎麼查看matlab工具箱
可以說很多台電腦上安裝matlab,但同一時刻只有n台電腦可以使用。這個n由license文件來決定。同樣,加入研究機構只購買了5個simulink的使用許可權,那麼同一時刻在這個研究機構最多有五台電腦可以使用simulink。同理,我們可以限制這個研究機構同時最多能在三台電腦上用optimization toolbox,兩台電腦上用signal processing toolbox。
有的時候你想用的軟體包,但該軟體包的當前使用人數已經達到最大,怎麼辦?我們可以買更多的許可權,當然這比較慢。我們也可以詢問我們的朋友,如果他們正在開著simulink卻不用,那可以讓他先把simulink關掉,這樣我們就可以用了。
查詢Matlab各工具箱用戶狀況的方法如下
1. windows->start->run
2. 輸入"cmd"
3. 通過"cd.."退到matlab按轉盤根目錄。
4. 通過"cd folder_name"的方式進入matlab安裝目錄。
在我的電腦中,我要進入
「C:\Program Files\MATLAB\R2009b\bin\win32」
5. 執行命令"lmutil lmstat -a -c"
6. 這樣就能查看用戶狀況了。
這里需要一些基本dos操作的知識。如果你的matlab中包括lmtools這個工具,那完全可以通過圖形界面簡單明了的查詢用戶使用狀況。如果沒有lmtools,那就只能在dos環境下查詢了。
Ⅶ matlab神經網路工具箱具體怎麼用
為了看懂師兄的文章中使用的方法,研究了一下神經網路
昨天花了一天的時間查怎麼寫程序,但是費了半天勁,不能運行,網路知道里倒是有一個,可以運行的,先貼著做標本
% 生成訓練樣本集
clear all;
clc;
P=[110 0.807 240 0.2 15 1 18 2 1.5;
110 2.865 240 0.1 15 2 12 1 2;
110 2.59 240 0.1 12 4 24 1 1.5;
220 0.6 240 0.3 12 3 18 2 1;
220 3 240 0.3 25 3 21 1 1.5;
110 1.562 240 0.3 15 3 18 1 1.5;
110 0.547 240 0.3 15 1 9 2 1.5];
0 1.318 300 0.1 15 2 18 1 2];
T=[54248 162787 168380 314797;
28614 63958 69637 82898;
86002 402710 644415 328084;
230802 445102 362823 335913;
60257 127892 76753 73541;
34615 93532 80762 110049;
56783 172907 164548 144040];
@907 117437 120368 130179];
m=max(max(P));
n=max(max(T));
P=P'/m;
T=T'/n;
%-------------------------------------------------------------------------%
pr(1:9,1)=0; %輸入矢量的取值范圍矩陣
pr(1:9,2)=1;
bpnet=newff(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm');
%建立BP神經網路, 12個隱層神經元,4個輸出神經元
%tranferFcn屬性 'logsig' 隱層採用Sigmoid傳輸函數
%tranferFcn屬性 'logsig' 輸出層採用Sigmoid傳輸函數
%trainFcn屬性 'traingdx' 自適應調整學習速率附加動量因子梯度下降反向傳播演算法訓練函數
%learn屬性 'learngdm' 附加動量因子的梯度下降學習函數
net.trainParam.epochs=1000;%允許最大訓練步數2000步
net.trainParam.goal=0.001; %訓練目標最小誤差0.001
net.trainParam.show=10; %每間隔100步顯示一次訓練結果
net.trainParam.lr=0.05; %學習速率0.05
bpnet=train(bpnet,P,T);
%-------------------------------------------------------------------------
p=[110 1.318 300 0.1 15 2 18 1 2];
p=p'/m;
r=sim(bpnet,p);
R=r'*n;
display(R);
運行的結果是出現這樣的界面
點擊performance,training state,以及regression分別出現下面的界面
再搜索,發現可以通過神經網路工具箱來創建神經網路,比較友好的GUI界面,在輸入命令裡面輸入nntool,就可以開始了。
點擊import之後就出現下面的具體的設置神經網路參數的對話界面,
這是輸入輸出數據的對話窗
首先是訓練數據的輸入
然後點擊new,創建一個新的神經網路network1,並設置其輸入輸出數據,包括名稱,神經網路的類型以及隱含層的層數和節點數,還有隱含層及輸出層的訓練函數等
點擊view,可以看到這是神經網路的可視化直觀表達
創建好了一個network之後,點擊open,可以看到一個神經網路訓練,優化等的對話框,選擇了輸入輸出數據後,點擊train,神經網路開始訓練,如右下方的圖,可以顯示動態結果
下面三個圖形則是點擊performance,training state以及regression而出現的
下面就是simulate,輸入的數據是用來檢驗這個網路的數據,output改一個名字,這樣就把輸出數據和誤差都存放起來了
在主界面上點擊export就能將得到的out結果輸入到matlab中並查看
下圖就是輸出的兩個outputs結果
還在繼續挖掘,to be continue……
Ⅷ matlab怎麼打開神經網路工具箱
1單擊Apps,在搜索框中輸入neu,下方出現了所有神經網路工具箱。neural net fitting 是我們要使回用的神答經網路擬合工具箱。
2
在下界面中點擊next
3
單擊load example data set,得到我們需要的測試數據。
4
單擊import
5
單擊next
6
單擊next
7
數字「10」表示有10個隱含層。單擊next。
8
單擊train,開始訓練。
9
訓練過程跳出的小窗口。
10
訓練結果。其中MSE表示均方差,R 表示相關系數。單擊next。
11
這里可以調整神經網路,也可以再次訓練。單擊next。
12
在這里,可以保存結果。如果不需要,直接finish。
Ⅸ MATLAB7.0神經網路工具箱在哪能找到
安裝matlab的時候就默認安裝了所有的工具箱,包括神經網路直接可以調用裡面的函數。258-557-749