最新工具箱的使用Toolbox

1、工具箱的使用Toolbox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，而且不容易岀错。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2）点击Import按钮两次，分別把输入向虽:和目标输岀加入到对应的窗口（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3：3）点击Ne軒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

2、例说明，下而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BP神 经网络）；i）Input Range这个通过点击Get From Input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一一最好使用TRAIXSCG,即共轨梯度法，英好处是当训练 不收敛时，它会自动停止训练，而且耗时较苴他算法（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 般指泄迭代次数、结果显示频率和目标误差就可以了（详见下文）。iii）Lay

3、er 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，大致上由输入向量的维数、样本的数量和输出层（Layer2）的神经元个数决 立。一般来说，神经元越多，输岀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1000个神经元，虽然精度比较髙，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100

4、个，再调整为50个，如果发现在50个以下时精度校差，则可最后泄为50 个神经元，等等。iv）Layer 1 Transfer Function般用TANSIG （当然也可以LOGSIG）,即表示隐层输岀是-1, 1之间的实数，与LOGSIG相比范围更大。v）Layer 2 Number of Neurons输出层的神经元个数，需要与输岀的矩阵行数对应，比如设置为3,等等。vi）Layer 2 Transfer Function如果是模式识别的两类（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 PURELINo如图4和图5。图4图5所有参数

5、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CreateTo另外，网络创建完毕后，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，在那里可以设左。当然了，也可以不自行设左，这时候Mat lab执行默 认的程序进行权重的初始化（没有具体研究过，可能是随机设左）o4）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虽（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20

6、0,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，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 "Performance Function”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0K了（例如要求精度很髙，尝试填0,等 等），如图8。、: >et

7、<ork: netvorkl匚叵区'；viow | inrtiaiize simulate Train Adapt weights |Training Info Training冷 0肉。皿1 InfoTraining DetdTraining ResunsinputsCvOutputsnehvori<1 outputsTargetsaErrorsneorKI .errorsinit input D9la swteszeros)Final Input Del a/ Slatesriecrkl卩in it Layer Delay StatesFimi LavofCeisy加论咖呱口閃丄网StevesTrain NetworkManager 11 CloseManagerCloseTr$iiri NebvorkTraining ParametersTraining infoOptional infoepochssigma5e-005shewgoaltimelambdamln_g 他（I5&-0072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