BP网络相关matlab函数：、newff、f…

在matlab中可以使用newff（）和feedforwordnet创建一个BP神经网络,推荐使用feedforwordnet创建BP神经网络,若想了解其用法，可以使用help命令，查询帮助

mse是一个网络性能函数。它根据平方误差的平均值来衡量网络的性能 
 

（一）

x=-4:.5:4;

y=x.^2-x;

net=newff(minmax(x),minmax(y),10); %net为新版newff创建的

net=train(net,x,y); % 训练

xx=-4:.2:4;

yy=net(xx);

plot(x,y,'o-',xx,yy,'*-')

title('新版newffnewff(minmax(x),minmax(y),10) ')

计算均方差知晓性能

yy1=net(x)；

mse(net,y,yy1)；

ans =

    2.9805

（二）

x=-4:.5:4;

y=x.^2-x;

net2=newff(x,y,10);             %net为新版newff创建的

net2=train(net2,x,y); % 训练

xx=-4:.2:4;

yy=net2(xx);

plot(x,y,'o-',xx,yy,'*-')

title('新版newffnewff(x,y,10)')

>> yy2=net2(x)；

>> mse(net2,y,yy2)

ans =

    0.8152

可以看出此时误差更小

（三）

x=-4:.5:4;

y=x.^2-x;

net1=newff(minmax(x),[10,1],{'tansig','purelin'},'trainlm');% net1为旧版newff创建的

net1=train(net1,x,y); % 训练

yy2=net1(xx);

figure(2);

plot(x,y,'o-',xx,yy2,'*-')

title('旧版newff');

>> yy4=net1(x)；

>> mse(net1,y,yy4)

ans =

   6.0613e-10

通过对比，第三种方法的误差最小

（四）feedforwardnet

feedforwardnet(hiddenSizes,trainFcn)        takesthese arguments, 

hiddenSizes

Row vector of one or more hidden layer sizes (default=10)

trainFcn

Training function (default = 'trainlm')

举例：

[x,t] = simplefit_dataset; % MATLAB自带数据，x、t均为1*94向量

net = feedforwardnet; % 创建前向网络

view(net)

net = train(net,x,t); % 训练，确定输入输出向量的维度

view(net)

y = net(x);

perf = perform(net,y,t) % 计算误差性能

perf =

   1.5167e-05

训练之前与训练之后的网络对比