matlab 神經網絡工具箱的實用

0. 其他處理

• 計時：

  tic
  net = train(net, X, y);
  toc           

1. 一個簡單的 demo（單層感覺器）

P = [1, 1, 1, 1, 0, 0, 0, 0; 0, 0, 1, 1, 0, 1, 1, 0; 0, 1, 0, 1, 1, 0, 1, 0];
            % 每一清單示一個輸入樣本
T = [-1, 1, 1, 1, -1, -1, 1, -1];
            % 表示輸出值
p = [0, 1; 0, 1; 0, 1];
            % 每一行表示參數的取值範圍
t = 1;
            % 輸出值的個數；

% 模型的定義
net = newp(p, t, 'hardlims');
            % newp：new perceptron

net = train(net, P, T);
            % 訓練的過程；
            % 此時得到的 net 便是最終訓練好的模型；

% 測試
newP = [0, 1, 1]';
newT = sim(net, newP)
newP = [0, 1, 0]';
newT = sim(net, newP)           

2. nntool

神經網絡的可視化顯示方式。

• 先輸入 data，再定義 network，最後 train
• 通過 simulate 進行仿真測試；

3. BP 神經網絡的建立

• 通過 newff

  % 樣本矩陣（trainx, testx）以每一列為一個單獨的樣本，每一個行為一個屬性，
  % target 目标值（trainy, testy）為一個行向量
  trainx, trainy
  testx, testy
  
  % 建立 BP 網絡
  net = newff(trainx, trainy);
  
  % 接口必須統一，方能識别；
  net.trainParam.epochs = 1500;       % 最大訓練次數
  net.trainParam.goal = 1e-13;        % 目标誤差
  net.trainParam.show = 1;            % 顯示級别
  
  % 接受訓練樣本，進行訓練
  net = train(net, trainx, trainy);
  
  % 在測試集上進行測試
  predicted_y = net(testx);           

• 通過 feedforwardnet

  net = feedforwardnet([], 'trainlm');        % 第一個參數控制神經網絡隐層的拓撲結構，其實就是各個隐層的神經元數目；
  net.trainParam.epochs = ...;
  net.trainParam.goal = ...;
  tic
  net = train(net, X, y);                     % X 構成輸入層，y 構成輸出層；
  toc