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。