本站原创文章，转载请说明来自《老饼讲解-BP神经网络》www.bbbdata.com
本文描述使用matlab神经网络工具箱训练BP神经网络的一些最常用的调用方法和参数
本文旨在说明BP神经网络工具箱的常用方法及其参数意义
背景说明
matlab2014b一个最简BP神经网络DEMO代码如下：
%用于训练的数据
X = linspace(-3,3,100);
y = 10*sin(X);
%网络训练
net = newff(X,y,3,{'tansig','purelin'},'trainlm');
net.trainparam.goal = 0.00001; % 设置训练误差目标
net.trainparam.epochs = 15000; % 设置最大训练次数.
[net,tr,net_y] = train(net,X,y); % 训练
sim_y = sim(net,X); % 预测可以看到，使用BP神经网络最关键的方法有以下三个：
1. newff : 构建网络
2. train : 训练网络
3. sim : 网络预测
本文展示newff、train、sim这三个最关键的方法的详细说明
本节讲解讲解BP神经网络构建函数newff的完整用例与参数说明
newff调用方法
newff用于建立一个BP神经网络，newff函数的使用方法如下：
● 完整参数：
net = newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)
● 完整用例：
net = newff(X,y,3,{'tansig','purelin'},'trainlm','learngdm','mse',{'fixunknowns','removeconstantrows','mapminmax'}, {'removeconstantrows','mapminmax'},'dividerand');
newff的出入参说明
newff函数的出入参说明如下：
● newff入参说明:
P: 输入数据X，每列代表一个样本的X。
T： target，拟合目标，也即输出数据y，每列代表一个样本的Y。
S： 行向量，隐节点个数，例如 [3,2]代表两个隐层，第一个隐层3个神经元，第2个隐层2个神经元。
TF：Transfer function，传递函数(激活函数), {'tansig','purelin'} 代表只有一个隐层，隐层传递函数为tansig,输出层传递函数为purelin.注意，要与S对齐。
BTF： Backprop network training function，训练函数，默认用'trainlm'
BLF: Backprop learning function，反向传播权重/阈值 学习函数，默认learngdm.(adapt时调用，一般不需用到)
PF: Performance function，性能函数，即误差函数，默认为均方差'mse'，可选：mse,sse,mae,sae(均方差，总方差，均绝对差，总绝对差)，trainlm只支持mse,sse
IPF: input processing functions,输入处理函数，默认{'fixunknowns','removeconstantrows','mapminmax'}
OPF：output processing functions，输出处理函数，默认 {'removeconstantrows','mapminmax'}
DDF：Data division function，数据分割函数，默认值'dividerand'，即随机分割。
● newff出参说明：
net:训练好的网络
关于newff参数的特别说明
关于newff的训练方法
newff的训练方法只推荐两种：
数据量小，内存够时，用'trainlm',
数据量大，trainlm不能用时，用'trainscg'
trainlm为Levenberg-Marquardt方法，会利用二阶导信息，trainscg则为量化共轭梯度法
关于newff的数据处理函数
mapminmax：将数据按最小最大值线性缩放到[-1,1],即2(x - min(x))/(max(x) - min(x))-1，
removeconstantrows：删除 常数变量
fixunknowns：处理NaN数据
本节讲解讲解BP神经网络训练函数train的出入参和工作流程
train的调用方法与出入参说明
train函数的调用方法如下：
train支持多种参数格式，最常用的是： [net,tr,out_T] = train(net,P,T);
train函数的出入参详细说明如下：
👉1. train的入参说明：
net：需要训练的网络
P ：用于训练的输入数据
T ：用于训练的输出数据
👉2. train的出参说明：
net：训练好的网络
tr ：训练过程
out_T：网络对训练数据的预测
train函数的工作流程
调用train函数，train函数则会执行如下三部分工作：
👉1. 数据处理
train函数就会将X进行数据预处理(例如归一化)，
并将数据分割成三分：训练数据，验证数据和测试数据
👉2. 模型训练
数据分割完成后，train利用训练数据对net进行训练，
使用的训练方法为net里设置的训练函数(例如trainlm)
并且在训练的过程，用验证数据不断检验训练是否走向过拟合，如果走向过拟合，就终止训练
👉3. 返回结果
训练完成后，train输出训练好的网络、训练过程和训练好的BP神经网络的预测结果
其中，哪些样本属于训练数据，哪些属于测试数据，可以在train输出的训练过程中找到，
例如tr.testInd就是测试数据的索引
本节讲解讲解BP神经网络预测函数sim的使用方法
sim的调用方法与出入参说明
sim函数的调用方法如下：
sim的使用方法：sim_y = sim(net,X)
sim函数的入参出参说明如下：
👉1. sim函数的入参说明：
net : 用于预测的网络
X : 需要预测的数据（X为矩阵格式 ，每列代表一个样本）
👉2. sim函数的 出参说明：
sim_y : 网络的预测结果
好了，以上就是matlab中BP神经网络的newff、train、sim函数的详细解释了~
End