神经网络工具箱训练出来的函数

⑴ matlab神经网络工具箱怎么输出得到函数代码段

神经网络训练出来的是权值矩阵，我想你是想在matlab外用训练好的神经网络。首先你要在外部实现神经网络算法，之后你把神经网络训练出来的权值矩阵读取到你在外部实现的神经网络算法中，然后你就可以使用这个神经网络了。

⑵ BP神经网络matlab工具箱中的激励函数（传递函数），训练函数，学习函数

激励函数用于神经元由输入计算输出的，而训练函数和学习函数是基于误差，内来修改权值和阈容值的，再就完成了一次训练，然后继续迭代，知道达到迭代次数或满足精度。
然而，学习函数和训练函数的功能貌似很相近，至于具体区别，正在纠结着我呢

⑶ BP神经网络中的训练函数如何选取

神经网络不同的网络有这不同的训练函数，BP神经网络有两种训练函数，trainbp（），利用BP算法训练前向神经网络。trainbpx（），利用快速BP算法训练前向神经网络，即采用了动量或自适应学习，可减少训练时间，tansig函数是神经元的传递函数，与训练函数无关，在trainbp（）函数中含有要训练神经元的函数。

⑷ matlab神经网络工具箱训练出来的函数，怎么输出得到函数代码段

这样：

clear;

%输入数据矩阵

p1=zeros(1,1000);

p2=zeros(1,1000);

%填充数据

for i=1:1000

p1(i)=rand;

p2(i)=rand;

end

%输入层有两个，样本数为1000

p=[p1;p2];

%目标（输出）数据矩阵，待拟合的关系为简单的三角函数

t = cos(pi*p1)+sin(pi*p2);

%对训练集中的输入数据矩阵和目标数据矩阵进行归一化处理

[pn, inputStr] = mapminmax(p);

[tn, outputStr] = mapminmax(t);

%建立BP神经网络

net = newff(pn, tn, [200,10]);

%每10轮回显示一次结果

net.trainParam.show = 10;

%最大训练次数

net.trainParam.epochs = 5000;

%网络的学习速率

net.trainParam.lr = 0.05;

%训练网络所要达到的目标误差

net.trainParam.goal = 10^(-8);

%网络误差如果连续6次迭代都没变化，则matlab会默认终止训练。为了让程序继续运行，用以下命令取消这条设置

net.divideFcn = '';

%开始训练网络

net = train(net, pn, tn);

%训练完网络后要求网络的权值w和阈值b

%获取网络权值、阈值

netiw = net.iw;

netlw = net.lw;

netb = net.b;

w1 = net.iw{1,1}; %输入层到隐层1的权值

b1 = net.b{1} ; %输入层到隐层1的阈值

w2 = net.lw{2,1}; %隐层1到隐层2的权值

b2 = net.b{2} ; %隐层1到隐层2的阈值

w3 = net.lw{3,2}; %隐层2到输出层的权值

b3 = net.b{3} ;%隐层2到输出层的阈值

%在默认的训练函数下，拟合公式为，y=w3*tansig(w2*tansig(w1*in+b1)+b2)+b3;

%用公式计算测试数据[x1;x2]的输出，输入要归一化，输出反归一化

in = mapminmax('apply',[x1;x2],inputStr);

y=w3*tansig(w2*tansig(w1*in+b1)+b2)+b3;

y1=mapminmax('reverse',y,outputStr);

%用bp神经网络验证计算结果

out = sim(net,in);

out1=mapminmax('reverse',out,outputStr);

(4)神经网络工具箱训练出来的函数扩展阅读：

注意事项

一、训练函数

1、traingd

Name：Gradient descent backpropagation （梯度下降反向传播算法 ）

Description：triangd is a network training function that updates weight and bias values according to gradient descent.

2、traingda

Name：Gradient descentwith adaptive learning rate backpropagation(自适应学习率的t梯度下降反向传播算法)

Description：triangd is a network training function that updates weight and bias values according to gradient descent with adaptive learning rate.it will return a trained net (net) and the trianing record (tr).

3、traingdx (newelm函数默认的训练函数)

name:Gradient descent with momentum and adaptive learning rate backpropagation(带动量的梯度下降的自适应学习率的反向传播算法)

Description：triangdx is a network training function that updates weight and bias values according to gradient descent momentumand an adaptive learning rate.it will return a trained net (net) and the trianing record (tr).

4、trainlm

Name：Levenberg-Marquardtbackpropagation（L-M反向传播算法）

Description：triangd is a network training function that updates weight and bias values according toLevenberg-Marquardt optimization.it will return a trained net (net) and the trianing record (tr).

注：更多的训练算法请用matlab的help命令查看。

二、学习函数

1、learngd

Name：Gradient descent weight and bias learning function（梯度下降的权值和阈值学习函数）

Description：learngd is the gradient descentweight and bias learning function, it willreturn theweight change dWand a new learning state.

2、learngdm

Name：Gradient descentwith momentumweight and bias learning function（带动量的梯度下降的权值和阈值学习函数）

Description：learngd is the gradient descentwith momentumweight and bias learning function, it willreturn the weight change dW and a new learning state.

注：更多的学习函数用matlab的help命令查看。

三、训练函数与学习函数的区别

函数的输出是权值和阈值的增量，训练函数的输出是训练好的网络和训练记录，在训练过程中训练函数不断调用学习函数修正权值和阈值，通过检测设定的训练步数或性能函数计算出的误差小于设定误差，来结束训练。

或者这么说：训练函数是全局调整权值和阈值，考虑的是整体误差的最小。学习函数是局部调整权值和阈值，考虑的是单个神经元误差的最小。

它的基本思想是学习过程由信号的正向传播与误差的反向传播两个过程组成。

正向传播时，输入样本从输入层传入,经各隐层逐层处理后,传向输出层。若输出层的实际输出与期望的输出(教师信号)不符,则转入误差的反向传播阶段。

反向传播时，将输出以某种形式通过隐层向输入层逐层反传,并将误差分摊给各层的所有单元,从而获得各层单元的误差信号,此误差信号即作为修正各单元权值的依据。

⑸ matlab神经网络工具箱怎么使用训练好的神经网络

matlab神经网络入到隐层权值： w1=netiw{1,1} 隐层阈值： theta1=netmatlab神经网络工具箱怎么使用训练好的神经网络

⑹ matlab神经网络工具箱中网络训练有能提出最终训练步数的函数吗非 net.trainParam.epochs

是什么 求教

⑺ matlab神经网络工具箱训练出来的函数，怎么输出得到函数代码段

神经网络训练出来的是权值矩阵
我想你是想在matlab外用训练好的神经网络
首先你要在外部实现神内经网络算法
之后你把神容经网络训练出来的权值矩阵读取到你在外部实现的神经网络算法中
然后你就可以使用这个神经网络了

⑻ MATLAB神经网络工具箱中训练函数和自适应学习函数区别

训练复函数和自适应学习函制数区别:
从范围上：
训练函数包含学习函数，学习函数是属于训练函数的一部分；
从误差上：
训练函数对整体来说误差是最小，学习函数对于单个神经元来说误差是最小；
从服装整体上：
训练函数是全局调整权值和阈值，学习函数是局部调整权值和阈值。

1. 学习函数
learnp 感知器学习函数
learnpn 标准感知器学习函数
learnwh Widrow_Hoff学习规则
learngd BP学习规则
learngdm 带动量项的BP学习规则
learnk Kohonen权学习函数
learncon Conscience阈值学习函数
learnsom 自组织映射权学习函数

2. 训练函数
trainwb 网络权与阈值的训练函数
traingd 梯度下降的BP算法训练函数
traingdm 梯度下降w/动量的BP算法训练函数
traingda 梯度下降w/自适应lr的BP算法训练函数
traingdx 梯度下降w/动量和自适应lr的BP算法训练函数
trainlm Levenberg_Marquardt的BP算法训练函数
trainwbl 每个训练周期用一个权值矢量或偏差矢量的训练函数

⑼ 神经网络经过训练后如何查看训练出来的函数matlab的

用net.iw{1,1}函数输出权值矩阵，按列求平均算出各个变量的权重。你去中国知网搜索
bp神经网络高等学校标准学费，记得是有这么的相关文献的！