fitnet

神经网络函数拟合

所有的页面崩溃

语法

净= fitnet (hiddenSizes)

网= fitnet (hiddenSizes trainFcn)

净= fitnet (hiddenSizes)返回一个函数拟合与隐层神经网络的大小hiddenSizes。

净= fitnet (hiddenSizes,trainFcn)返回一个函数拟合与隐层神经网络的大小hiddenSizes和训练函数,指定的trainFcn。

打开生活的脚本

加载训练数据。

[x, t] = simplefit_dataset;

1 -到- 94矩阵x包含输入值和1 -到- 94矩阵t包含相关的目标输出值。

构造一个函数拟合与一个隐层神经网络的大小10。

网= fitnet (10);

查看网络。

视图(净)

输入和输出的大小为零。这些在训练的软件调整大小根据训练数据。

培训网络净使用训练数据。

网=火车(净,x, t);

查看培训网络。

视图(净)

你可以看到,输入和输出的大小是1。

估计使用训练的目标网络。

y =净(x);

评估训练网络的性能。默认的均方误差性能函数。

穿孔=执行(净,y, t)

穿孔= 1.4639 e-04

拟合函数的默认训练算法网络Levenberg-Marquardt (“trainlm”)。使用贝叶斯正规化训练算法并比较性能结果。

网= fitnet (10,“trainbr”);网=火车(净,x, t);

y =净(x);穿孔=执行(净,y, t)

穿孔= 3.3416平台以及

贝叶斯正规化训练算法提高了网络的性能评估的目标价值。

网络中隐藏层的大小,指定为一个行向量。向量的长度决定了网络中的隐藏层的数量。

例子:例如,您可以指定一个网络与3个隐藏层,其中第一隐层大小10,第二个是8,第三是5如下:(10、8、5)

输入和输出大小设置为零。这些在训练的软件调整大小根据训练数据。

数据类型:单|双

训练函数名,指定为以下之一。