本文介绍了如何在MATLAB环境中简单实现一个神经网络算法。关键步骤包括：训练集数据引入和归一化，利用newff函数定义神经网络结构，使用train函数进行训练，以及用sim函数进行测试。newff函数参数包括隐藏层和输出层设置，以及激活函数选择。训练参数如show、epochs和goal分别控制迭代显示频率、总迭代次数和误差目标。最后，通过train函数训练网络，并使用sim函数对测试集进行预测，得出预测输出。
神经网络是机器学习里面很基础的算法，如果没有深入到深度学习（deep learning），我们可以直接利用matlab自带的函数来解决这个问题；
首先，解决神经网络问题的关键步骤是：训练集数据引入--归一化-- newff函数进行神经网络结构的定义--使用train函数训练训练集--使用sim函数进行测试级的比较
我们说的newff函数的定义如下：
Si指的是我们的隐藏层和输出层，TF选择对应的激活函数，P，T分别是训练集的输入输出，后面的我们暂时不用管，也不需要特地去输入；
net.trainparam.show=50 ;net.trainparam.epochs=500 ;net.trainparam.goal=0.01 ;net.trainParam.lr=0.01 ;
这是一个对于net训练的定义；show是每隔多少次迭代就显示一次；epochs是迭代次数；goal是目标、误差；
定义后，我们可以开始训练；
net= train( net, input , output）；
其中，input是输入矩阵，output是输出矩阵；
后期我们进行测试级的测试：Y= sim( net , testInput )
通过net来simulate，testinput即测试输入，得到测试输出；
Y是一个输出矩阵，如果是n维的矩阵，那么取n中数值最大的一个，就是训练后认为测试集中合理的输出；
扫一扫
1065
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
