matlab神經網絡工具箱使用

先貼一個使用批處理命令調用神經網絡工具箱的方法：

P = [0.1515    0.1501    0.1509    0.1504    0.1504   0.1500
    0.1515    0.1501    0.1509    0.1504    0.1504   0.1500
    0.1515    0.1501    0.1500    0.1504    0.1504    0.1500
    0.1515    0.1500    0.1509    0.1504    0.1504    0.1500
    0.1515    0.1500    0.1509    0.1504    0.1504   0.1500
    0.1515    0.1500    0.1509    0.1504    0.1504   0.1500
    0.9684    0.2792    0.877     0.7426    0.7228   0.2272
    0.9838    0.2941    0.9181    0.7977    0.7702    0.2452
    0.9922    0.3101    0.9475    0.8445    0.8227    0.2665
    0.9953    0.3058    0.9625    0.8708    0.8637    0.2624
    0.9982    0.3242    0.9797    0.9089    0.9001    0.3008
    0.9995    0.3469    0.9917    0.9314    0.9282    0.3678
    0.9998    0.3565    0.9948    0.9493    0.9525    0.4500];
T= [0.1521
    0.6949
    0.7064
    0.7083
    0.7560
    0.7807
    0.8182
    0.8533
    0.8677
    0.8459
    0.8910
    0.9269
   0.9496];
P=P';T=T';
ff=newff(P,T,13);
ff.trainParam.epochs = 15000;
ff = train(ff,P,T);
Y1 = sim(ff,P); 
cf=newcf(P,T,13);
 cf.trainParam.epochs = 15000;
 cf = train(cf,P,T);
Y2 = sim(cf,P); 
plot(P,T,'o-'); 
hold on;
plot(P,Y1,'^m-');
plot(P,Y2,'*-k');
title('newff & newcf')
legend('原始數據','newff結果','newcf結果',0);

上面這個方法要注意P和T應該要先進行轉置，即神經網絡訓練樣本是矩陣的每一個列。

下面再講一下如何用GUI方式調用，輸入命令nntool，按以下步驟

注意，在修改Numbers of layers后，會發現Properties for並不增加，這時候可以來回切換一下Network Type，就可以顯示了。同時要注意一下，樣本數據命名貌似要用T，而且目標的要為T。

 

最后可以用sim仿真測試數據，通過主界面的export導出數據到工作空間中。