matlab神经网络中x(:,1)什么意思 matlab神经网络函数newlin的参数分别表示什么意思
BP\u795e\u7ecf\u7f51\u7edc\u4e2dnet.iw{1,1} \u4e24\u4e2a1\u5206\u522b\u4ee3\u8868\u4ec0\u4e48\u610f\u601d\uff1f\uff1f\u7b2c\u4e00\u4e2a1\u662f\u6307\u7f51\u7edc\u5c42\u6570\uff08net.numLayers\uff09\uff1b
\u7b2c\u4e8c\u4e2a1\u662f\u6307\u7f51\u7edc\u8f93\u5165\u4e2a\u6570\uff08net.numInputs\uff09\uff1b
\u4ece\u7b2cj\u4e2a\u8f93\u5165\u5230\u5230\u7b2ci\u5c42\u7684\u6743\u91cd\u7684\u6743\u91cd\u77e9\u9635\uff08\u6216null matrix []\uff09\u4f4d\u4e8enet.iw {i\uff0cj}\uff1b
\u795e\u7ecf\u7f51\u7edc\u5bf9\u8c61IW\u5c5e\u6027\uff1a\u8be5\u5c5e\u6027\u5b9a\u4e49\u4e86\u7f51\u7edc\u8f93\u5165\u548c\u5404\u8f93\u5165\u5c42\u795e\u7ecf\u5143\u4e4b\u95f4\u7684\u7f51\u7edc\u6743\u503c\uff0c\u5c5e\u6027\u503c\u4e3aNxNi\u7ef4\u7684\u5355\u5143\u6570\u7ec4\uff0c\u5176\u4e2d\uff0cN\u4e3a\u7f51\u7edc\u7684\u5c42\u6570\uff0cNi\u4e3a\u7f51\u7edc\u7684\u8f93\u5165\u4e2a\u6570\u3002
\u5982\u679cnet.inputConnect(i,j)\u4e3a1\uff0c\u5373\u7b2ci\u5c42\u4e0a\u7684\u5404\u795e\u7ecf\u5143\u63a5\u6536\u7f51\u7edc\u7684\u7b2cj\u4e2a\u8f93\u5165\uff0c\u90a3\u4e48\u5728\u5355\u5143net.iw {i\uff0cj}\u4e2d\u5c06\u5b58\u50a8\u5b83\u4eec\u4e4b\u95f4\u7684\u7f51\u7edc\u6743\u503c\u77e9\u9635\u3002
\u8be5\u77e9\u9635\u7684\u884c\u6570\u4e3a\u7b2ci\u5c42\u795e\u7ecf\u5143\u7684\u4e2a\u6570\uff08net.layers{i}.size\uff09\uff0c\u5217\u6570\u4e3a\u7b2cj\u4e2a\u8f93\u5165\u7684\u7ef4\u6570\uff08net.inputs{j}.size\uff09\u4e0e\u8f93\u5165\u5ef6\u9000\u62cd\u6570\uff08net inputWeights{i,j}.delays\uff09\u7684\u4e58\u79ef\u3002
\u6269\u5c55\u8d44\u6599\uff1a
net.IW{i,j}\u7684\u4f5c\u7528
\u901a\u8fc7\u8bbf\u95eenet.IW{i,j}\uff0c\u53ef\u4ee5\u83b7\u5f97\u7b2ci \u4e2a\u7f51\u7edc\u5c42\u6765\u81ea\u7b2cj \u4e2a\u8f93\u5165\u5411\u91cf\u7684\u6743\u503c\u5411\u91cf\u503c\u3002 \u6240\u4ee5\u4e00\u822c\u60c5\u51b5\u4e0bnet,iw{1,1}\u5c31\u662f\u8f93\u5165\u5c42\u548c\u9690\u542b\u5c42\u4e4b\u95f4\u7684\u6743\u503c\u3002
net.IW{i,j}\u5404\u4e2a\u5c5e\u6027\u7684\u542b\u4e49\uff1a
\uff081\uff09\u3001delays\uff1a\u8be5\u5c5e\u6027\u5b9a\u4e49\u4e86\u7f51\u7edc\u8f93\u5165\u7684\u5404\u5ef6\u8fdf\u62cd\u6570\uff0c\u5176\u5c5e\u6027\u503c\u662f\u75310\u6216\u6b63\u6574\u6570\u6784\u6210\u7684\u884c\u77e2\u91cf\uff0c\u5404\u8f93\u5165\u5c42\u5b9e\u9645\u63a5\u6536\u7684\u662f\u7531\u7f51\u7edc\u8f93\u5165\u7684\u5404\u4e2a\u5ef6\u8fdf\u6784\u6210\u7684\u6df7\u5408\u8f93\u5165\u3002
\uff082\uff09\u3001initFcn\uff1a\u8be5\u5c5e\u6027\u5b9a\u4e49\u4e86\u8f93\u5165\u6743\u503c\u7684\u521d\u59cb\u5316\u51fd\u6570\uff0c\u5176\u5c5e\u6027\u503c\u4e3a\u8868\u793a\u6743\u503c\u521d\u59cb\u5316\u51fd\u6570\u540d\u79f0\u7684\u5b57\u7b26\u4e32\u3002
\uff083\uff09\u3001learn\uff1a\u8be5\u5c5e\u6027\u5b9a\u4e49\u4e86\u8f93\u5165\u6743\u503c\u5728\u8bad\u7ec3\u8fc7\u7a0b\u4e2d\u662f\u5426\u8fdb\u884c\u8c03\u6574\uff0c\u5176\u5c5e\u6027\u503c\u4e3a0\u62161\u3002
\uff084\uff09\u3001learnFcn\uff1a\u8be5\u5c5e\u6027\u5b9a\u4e49\u4e86\u8f93\u5165\u6743\u503c\u7684\u5b66\u4e60\u51fd\u6570\uff0c\u5176\u5c5e\u6027\u503c\u4e3a\u8868\u793a\u6743\u503c\u5b66\u4e60\u51fd\u6570\u540d\u79f0\u7684\u5b57\u7b26\u4e32\u3002
\u5173\u4e8e\u795e\u7ecf\u7f51\u7edc(matlab)\u5f52\u4e00\u5316\u7684\u6574\u7406 \u5173\u4e8e\u795e\u7ecf\u7f51\u7edc\u5f52\u4e00\u5316\u65b9\u6cd5\u7684\u6574\u7406 \u7531\u4e8e\u91c7\u96c6\u7684\u5404\u6570\u636e\u5355\u4f4d\u4e0d\u4e00\u81f4,\u56e0\u800c\u987b\u5bf9\u6570\u636e\u8fdb\u884c[-1,1]\u5f52\u4e00\u5316\u5904\u7406,\u5f52\u4e00\u5316\u65b9\u6cd5\u4e3b\u8981\u6709\u5982\u4e0b\u51e0\u79cd,\u4f9b\u5927\u5bb6\u53c2\u8003:(by james) 1\u3001\u7ebf\u6027\u51fd\u6570\u8f6c\u6362,\u8868\u8fbe\u5f0f...
单纯这一句是Matlab基础的内容，不属于神经网络。x(:,1)的意思是“矩阵x第一列的所有元素”。举个例子，如果
x=[1 2 3
4 5 6
7 8 9]
那么此时x(:,1)=[1
4
7]
如果要仔细追究x(i,j)这个形式所表示的意思的话，就是“矩阵x的第i行、第j列的那个元素”，这个形式的灵活运用是x(a:b,c:d)，意思就是“矩阵x的第a行到第b行、第c列到第d列的所有元素”，如果把“a:b”换成只有一个“:”的话就表示所有行，把“c:d”换成只有一个“:”的话就表示所有列。
还用上面的矩阵来举例子，x(:,2:3)=
[2 3
5 6
8 9]
建议你先看一下Matlab的入门教程，推荐你去http://www.ilovematlab.cn/，上面有很多教程的。
x(:,1)即表示矩阵X的第一列的所有元素
绛旓細MATLAB绁炵粡缃戠粶搴旂敤姒傝堪 绗1绔狅細BP绁炵粡缃戠粶鐨勫疄鐢ㄥ簲鐢 閫氳繃鍥涚被闊充箰锛堟皯姝屻佸彜绛濄佹憞婊氬拰娴佽锛夌殑璇煶鐗瑰緛淇″彿鍒嗙被锛屽睍绀轰簡BP绁炵粡缃戠粶鍦ㄦ暟鎹垎绫讳腑鐨勬晥鑳斤紙1锛夌2绔狅細闈炵嚎鎬х郴缁熷缓妯 闈炵嚎鎬у嚱鏁版嫙鍚堢ず渚嬶紝濡倅=x21+x22锛屾紨绀轰簡MATLAB涓殑BP绁炵粡缃戠粶鍦ㄥ鐞嗛潪绾挎ч棶棰樼殑鑳藉姏锛11锛夌3绔狅細閬椾紶绠楁硶浼樺寲绁炵粡...
绛旓細3 4 5]浣滀负杈撳叆锛孯=[12 13 14 14 15]浣滀负杈撳嚭锛岃缁冪綉缁溿傝缁冨畬鎴愪箣鍚庯紝鐢╰=[2 3 4 5 6]浣滀负杈撳叆锛岃繖鏍蜂細寰楀埌涓涓緭鍑恒備笉鍑烘剰澶栫殑璇濓紝杈撳嚭鐨勬暟缁勫簲璇ユ槸[13 14 14 15 X],杩欓噷鐨刋灏辨槸棰勬祴t=6鏃剁殑R鍊笺傜劧鍚庝互t=[3 4 5 6 7]浣滀负杈撳叆锛屽悓鐞嗗緱鍒皌=7鏃跺欑殑R鍊笺傛牴鎹垜鐨绁炵粡缃戠粶...
绛旓細鏈功鐨勬牳蹇冨唴瀹瑰洿缁MATLAB绁炵粡缃戠粶宸ュ叿绠憋紝娣卞叆鍓栨瀽浜嗙缁忕綉缁滃垎鏋愮爺绌朵腑鐨勫叧閿蹇点佺悊璁恒佺畻娉曞強鍏跺疄闄呮搷浣溿備綔鑰呯簿蹇冭璁＄殑鍐呭缁撴瀯鏃㈠寘鍚簡鐞嗚鐭ヨ瘑锛屽張寮鸿皟浜嗗疄璺垫搷浣滅殑缁撳悎锛屾彁渚涗簡涓板瘜鐨勫簲鐢ㄥ疄渚嬶紝浣垮緱鐞嗚鐞嗚鐭ヨ瘑鏄撲簬鐞嗚В骞惰兘鍦ㄥ疄闄呴棶棰樹腑鎵惧埌搴旂敤涔嬪銆傛棤璁烘槸瀵逛簬姝ｅ湪鏀昏鏈鎴栫爺绌剁敓鐨勫瀛愶紝杩樻槸甯屾湜...
绛旓細x=[0.45 42;0.32 42;0.47 51;0.52 50;0.88 6;0.92 3;0.01 21;0.06 4;0.58 48;0.78 44];y=[1;0;1;1;0;0;0;0;1;1]inputs = x';targets = y';hiddenLayerSize = 8;net = patternnet(hiddenLayerSize);net.inputs{1}.processFcns = {'removeconstantrows','...
绛旓細杩欐牴鏈氨杩樻病寮濮嬭缁冿紝杩唬娆℃暟杩樻槸0鍛傜湅鐪嬫槸涓嶆槸浠ｇ爜娌℃湁鍐欏锛屽弬鑰冧笅闈㈢殑鐢ㄦ硶銆侭P绠楁硶 function Out=bpnet(p,t,p_test)global S1 net=newff(minmax(p),[S1,size(t,1)],{'tansig','purelin'},'trainlm'); %trainlm璁粌鍑芥暟鏈鏈夋晥 net=newff(p,t,31,{'tansig','purelin'},'trai...
绛旓細闂灏辨槸娴嬭瘯闆嗕笂琛ㄧ幇涓嶅ソ锛岃缁冮泦涓婏紙train锛夌殑鏈灏忓潎鏂硅宸湅涓婂幓鏀舵暃浜嗭紝鐒堕箙娴嬭瘯闆嗕笂鐨勶紙test锛
绛旓細newff寤虹珛缃戠粶锛train璁粌缃戠粶锛宻im浠跨湡杩涜棰勬祴 鍏蜂綋help浠ヤ笂涓変釜鍑芥暟 [nb,minb,maxb,na,mina,maxa]=premnmx(traindata,trainlabels);[nc]=tramnmx(test_patterns,minb,maxb);net=newff(minmax(traindata),[4锛6,1],{'tansig',tansig','purelin'});net=train(net,nb,na);nd= sim(net,n...
绛旓細浣犵殑绮惧害鏄嚜宸辫瀹氱殑,鏄偅涓按骞崇殑鐩寸嚎,鎴戣繖閲岀殑绁炵粡缃戠粶娌℃湁best鏇茬嚎鍟!灏辨槸涓猤oal鍜宼raining涓ゆ潯...鏄缁冭繃绋嬩腑鐨勮宸洸绾,琛ㄧず缁忚繃X娆¤缁,鎰熺煡鍣ㄨ緭鍑鸿揪鍒扮洰鏍囧,涔熷氨鏄劅鐭ュ櫒鐨勮緭鍑哄凡缁忓拰鐩爣鍚戦噺涓鑷
绛旓細function [Y,Xf,Af] = myNeuralNetworkFunction(X,~,~)%MYNEURALNETWORKFUNCTION neural network simulation function.%% Generated by Neural Network Toolbox function genFunction, 29-Jul-2016 21:01:24.%% [Y] = myNeuralNetworkFunction(X,~,~) takes these arguments:%% X = 1xTS cell,...
绛旓細绮惧害鏄嚜宸辫瀹氱殑锛屾槸閭ｄ釜姘村钩鐨勭洿绾匡紝杩欓噷鐨绁炵粡缃戠粶娌℃湁best鏇茬嚎锛屽氨鏄釜goal鍜宼raining涓ゆ潯鐨勩傛槸璁粌杩囩▼涓殑璇樊鏇茬嚎锛岃〃绀虹粡杩X娆¤缁冿紝鎰熺煡鍣ㄨ緭鍑鸿揪鍒扮洰鏍囧硷紝涔熷氨鏄劅鐭ュ櫒鐨勮緭鍑哄凡缁忓拰鐩爣鍚戦噺涓鑷翠簡銆傛瘡涓浠P璁粌杩囩▼鐨凪SE鎸囨爣鐨勬ц兘锛屾瘡涓浠P浜ゅ弶楠岃瘉杩囩▼鐨凪SE鎸囨爣shu鐨勬ц兘浠ュ強BP娴嬭瘯鐨凪SE...
