Matlab神经网络函数newff()新旧用法差异

声明！！！转载自： http://www.cnblogs.com/xxfcz/p/4482813.html

摘要

　　在Matlab R2010a版中，如果要创建一个具有两个隐含层、且神经元数分别为5、3的前向BP网络，使用旧的语法可以这样写：

net1 = newff(minmax(P), [5 3 1]);

注意minmax()函数的使用，还有对输出层神经元数（1）的指定。

　　当然也可以采用新的语法，更简洁（请留意差异）：

net2 = newff(P, T, [5 3]);

不用求minmax，也不用人工指定输出层神元数了（newff会根据参数T自行推导）。

不过，为了得到与书本示例接近的结果，接下来需要清除net2.divideFcn等属性再训练，否则结果相去甚远，且远不止一个数量级。

　　net2.divideFcn = '';

　　 net2.inputs{1}.processFcns = {};　　% 1是输入层所在网络层编号

　　 net2.outputs{3}.processFcns = {}; % 3 是输出层所在网络层编号

正文

　　最近在看朱凯的《精通Matlab神经网络》，到第10章例10-3时，发现newff()的新旧用法得到的结果相去甚远。

　　书中例10-3采用了旧式写法，代码如下：

% 例10-3,旧式写法

clear all

P = [-1 -1 2 2; 0 5 0 5];

T = [-1 -1 2 2];

%% 旧式语法

net1 = newff(minmax(P),[5 1],{'tansig', 'purelin'}, 'traingd'); % 隐含层有5个神经元

net1.trainParam.goal = 1e-5;

net1.trainParam.epochs = 300;

net1.trainParam.lr = 0.05;

net1.trainParam.showWindow = 1;

net1= train(net1,P,T);

Y1 = sim(net1,P);

disp(['旧式语法 mse: ' num2str(mse(T-Y1))]);

　　训练窗口最终如下：

　　程序输出如下：

Warning: NEWFF used in an obsolete way.

> In nntobsu at 18

In newff at 86

See help for NEWFF to update calls to the new argument list.

旧式语法 mse: 9.8073e-006

　　很明显，达到了设定的1e-5的目标。

　　不过我们也收到了警告，建议我们采用新的参数列表。于是查帮助，改成新的写法，代码如下：

% 例10-3，新式写法

clear all

P = [-1 -1 2 2; 0 5 0 5];

T = [-1 -1 2 2];

%% 新式语法

net2 = newff(P,T,5,{'tansig', 'purelin'}, 'traingd'); % 隐含层有5个神经元

net2.trainParam.goal = 1e-5;

net2.trainParam.epochs = 300;

net2.trainParam.lr = 0.05;

net2.trainParam.showWindow = 1;

net2 = train(net2,P,T);

Y2 = sim(net2,P);

disp(['新式语法 mse: ' num2str(mse(T-Y2))]);

　　训练窗口：

　　程序输出：

新式语法 mse: 10.7499

　　可见，远远没有达到1e-5的目标。

　　这是为什么呢？QQ群咨询无果，无奈之下自行研究源码。

　　newff.m分成三大块：主程序、新版实现子函数 new_5p1()、旧版实现子函数 new_5p0()。通过仔细比较新旧这两个子函数，发现新版设置了 net.divideFcn 属性，其值为'dividerand'。该函数把样本数据三分为训练集、验证集和测试集，默认比例是6:2:2。于是在我的程序中清除该属性再训练：

% 例10-3，新写法，改进

clear all

P = [-1 -1 2 2; 0 5 0 5];

T = [-1 -1 2 2];

%% 新式语法

net2 = newff(P,T,5,{'tansig', 'purelin'}, 'traingd'); % 隐含层有5个神经元

net2.trainParam.goal = 1e-5;

net2.trainParam.epochs = 300;

net2.trainParam.lr = 0.05;

net2.trainParam.showWindow = 1;

net2.divideFcn = ''; % 为和书本一致，对于样本极少的情况，不要再三分了

net2 = train(net2,P,T);

Y2 = sim(net2,P);

disp(['新式语法，改进 mse: ' num2str(mse(T-Y2))]);

　　训练窗口：

　　程序输出：

新式语法，改进 mse: 9.8129e-006

也达到了预期目标。

其实，新旧两次的训练窗口和Performance窗口也可以发现端倪的，此处不再细说，请各位看官自行对比。

当然，至于新版为什么要引入divideFcn必有其道理，我是初学者，有所揣测暂不表，先跟着书走。

Matlab神经网络函数newff()新旧用法差异相关推荐

matlab newff函数弃用了,MATLAB神经网络函数NEWFF()新旧用法差异
摘要在Matlab R2010a版中,如果要创建一个具有两个隐含层.且神经元数分别为5.3的前向BP网络,使用旧的语法可以这样写: net1 = newff(minmax(P), [5 3 1]); ...
matlab newff函数弃用了,[转载]MATLAB神经网络函数NEWFF()新旧用法差异
摘要在Matlab R2010a版中,如果要创建一个具有两个隐含层.且神经元数分别为5.3的前向BP网络,使用旧的语法可以这样写: net1 = newff(minmax(P), [5 3 1]); ...
newff新旧用法/minmax函数的用法
1,newff函数参数说明 net = newff(P,T,S) % 这两种定义都可以 net = newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF) P:输入参数矩阵.(R ...
MATLAB中newff新旧区别
今天为了创建一个BP网络,于是使用newff函数,因为目前现在的matlab支持新的newff函数,如果继续使用旧的newff函数会导致warning,而且新的newff函数有很多方便之处. 首先,函 ...
Matlab传统神经网络函数:Newff的使用方法记录
newff,已经过时,新函数feedforwardnet似乎可以分割training set和testing set,实验中不想要这个功能,所以暂时还是使用习惯的newff,等有时间再熟悉新函数. n ...
matlab神经网络函数
1.设计函数 solvein 设计线性网络: solverb 设计径向基网络: solverbe 设计精确的径向 ...
matlab神经网络函数（feedforwardnet,fitnet,patternet)
feedforwardnet (): 综述:包含一系列的层次.第一层与网络输入连接.接下来的层次与上一次连接.最后一层产生网络的输出.feedforward网络可以用作输入和输出的映射,只含有一个隐含 ...
matlab feedforward,matlab神经网络函数feedforwardnet构造的网络数学模型是啥
clc;clear all;close %% 线性系统x(k+1)=A*x(k)+B*u(k)参数(A,B) A=[1 1;-1 1]; B=[0.1; 1]; %% 神经网络训练参数 N=1000; ...
MATLAB中内置的BP神经网络函数 help newff翻译【学习笔记】
MATLAB中内置的BP神经网络函数 help翻译原文请参考:help newff newff 创建前馈反向传播网络. 在 R2010b NNET 7.0 中已过时. 最后在 R2010a NNET ...

Matlab神经网络函数newff()新旧用法差异

Matlab神经网络函数newff()新旧用法差异相关推荐

最新文章

热门文章