feedforwardnet

生成前馈神经网络

折叠所有页面

语法

网= feedforwardnet (hiddenSizes trainFcn)

净= feedforwardnet (hiddenSizes，trainFcn）返回隐藏层大小为的前馈神经网络hiddenSizes和培训功能，由trainFcn．

前馈网络由一系列层组成。第一层有一个来自网络输入的连接。随后的每一层都与前一层有连接。最后一层产生网络的输出。

您可以对任何类型的输入到输出映射使用前馈网络。具有一个隐层和隐层中足够神经元的前馈网络可以适应任意有限输入输出映射问题。

前馈网络的专门版本包括拟合和模式识别网络。有关更多信息，请参见fitnet和patternnet功能。

前馈网络的一种变体是级联前向网络，它具有从输入到每一层以及从每一层到下一层的附加连接。有关级联前向网络的更多信息，请参见cascadeforwardnet函数。

打开生活的脚本

这个例子展示了如何使用前馈神经网络来解决一个简单的问题。

加载训练数据。

[x, t] = simplefit_dataset;

1 -到- 94矩阵x包含输入值和1 × 94矩阵t包含关联的目标输出值。

构建一个前馈网络，包含一个尺寸为10的隐藏层。

网= feedforwardnet (10);

培训网络净使用训练数据。

网=火车(净,x, t);

查看训练有素的网络。

视图(净)

使用训练过的网络估计目标。

y =净(x);

评估训练网络的性能。默认的性能函数是均方误差。

穿孔=执行(净,y, t)

穿孔= 1.4639 e-04

网络中隐藏层的大小，指定为行向量。向量的长度决定了网络中隐藏层的数量。

例子:例如，可以指定一个网络有3个隐藏层，其中第一个隐藏层大小为10，第二个隐藏层大小为8，第三个隐藏层大小为5，如下所示:(10、8、5)

输入和输出大小设置为零。在训练过程中，软件根据训练数据调整这些尺寸。

数据类型:单|双

训练函数名，指定为下列之一。