feedforwardnet

产生前馈神经网络

所有的页面崩溃

语法

网= feedforwardnet (hiddenSizes trainFcn)

净= feedforwardnet (hiddenSizes,trainFcn)返回一个前馈神经网络与隐层的大小hiddenSizes和训练函数,指定的trainFcn。

前馈网络由一系列层。第一层有一个连接网络的输入。每个后续的层都有一个从上一层连接。最后一层生产网络的输出。

您可以使用前馈网络的输入到输出的映射。带有一个隐层的前馈网络和足够的隐藏层神经元可以适合任何有限的输入输出映射问题。

专业版本的前馈网络包括配件和模式识别网络。有关更多信息,请参见fitnet和patternnet功能。

变化在前馈网络的级联网络,已从输入每个额外的连接层,从每一层所有层。向前级联网络的更多信息,请参阅cascadeforwardnet函数。

打开生活的脚本

这个例子展示了如何使用一个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 -到- 94矩阵t包含相关的目标输出值。

构造一个前馈网络与一个隐藏层10码。

网= feedforwardnet (10);

培训网络净使用训练数据。

网=火车(净,x, t);

{“字符串”:“数字神经网络训练(31 - 8月- 2022 02:00:18)包含一个类型的对象uigridlayout。”,“它”:[],“乳胶”:[]}

查看培训网络。

视图(净)

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

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。