fitnet

功能拟合神经网络

在页面上崩溃

句法

净= fitnet (hiddenSizes)

NET = FITNET（HIDDensizing，TrainFCN）

净= fitnet（Hiddensize.的）返回具有隐藏层大小的函数拟合神经网络Hiddensize.。

净= fitnet（Hiddensize.那训练码的）返回具有隐藏层大小的函数拟合神经网络Hiddensize.和训练功能，指定训练码。

打开脚本

加载培训数据。

[x, t] = simplefit_dataset;

1 -到- 94矩阵X包含输入值和1-by-94矩阵T.包含关联的目标输出值。

用一个隐藏的大小10层构造拟合神经网络的功能。

NET = FITNET（10）;

查看网络。

视图(净)

输入和输出的大小为零。根据培训数据，软件在训练期间调整这些规模。

训练网络净使用训练数据。

网=火车（网，X，T）;

查看培训的网络。

视图(净)

您可以看到输入和输出的大小为1。

使用训练过的网络估计目标。

y = net（x）;

评估训练网络的性能。默认的性能函数是均方误差。

perf =执行（net，y，t）

穿孔= 1.4639 e-04

函数拟合网络的默认训练算法是Levenberg-Marquardt（'trainlm'）。使用贝叶斯正则化训练算法并比较性能结果。

net = fitnet（10，“trainbr”）;网=火车（网，X，T）;y = net（x）;perf =执行（net，y，t）

穿孔= 3.2998平台以及

贝叶斯正则化训练算法提高了网络在估计目标值方面的性能。

网络中隐藏图层的大小，指定为行向量。向量的长度确定网络中的隐藏层的数量。

例子：例如，您可以指定具有3个隐藏图层的网络，其中第一个隐藏图层大小为10，第二个是8，第三个是5如下：[10,8,5]

输入和输出大小设置为零。根据培训数据，软件在训练期间调整这些规模。

数据类型：单身的|双倍的

培训函数名称，指定为以下之一。