Question

论文搞不定，请教matlab中神经网络的问题

1. 好多地方看到说newff是用来创建‘前向BP网络’，newcf是用来创建‘级联前向网络’，二者合称前向网络，“feedforwardnet”字面意思看起来是是创建前向网络，是这样吗？

那么我能保证在matlabR2012a中使用feedforwardnet创建,用已有数据训练好的是BP网络吗?真心不懂这些理论，只是导师点名要用BP的。

2. 我只有matlabR2012a的安装包，请问后面的版本在神经网络这一块没有更新吧？

重点是第三问：

3. 论文方向大致是创建财务状况预警系统，p是input，是各年份各财务指标，t 是target，是（1 0 0）或（0 1 0）或（0 0 1）代表财务状况评级，

然后
net = feedforwardnet(15);
net.divideParam.trainRatio = 1;
net.divideParam.valRatio = 0;
net.divideParam.testRatio = 0;
net = train(net,p,t);

这样子，用18个样本训练后，输入第19年的各财务指标，得到一个类似（0.5,0.5,0）的output，这可如何是好？？

搜索了一些例文，找到程序的都是用以前的newff做的，最后基本是（0.01,0.98,0.01）这种很neat的结果，诚心求助。

Answer 1

我现在在用matlab2013b，可以看到很多函数都被更新了，比如

其他问题我也需要研究一下先。

1. 所谓BP是指训练网络是用的方法是误差“反向传播”方法，而网络结构正是前馈网络feedforwardnet无误。

2. 似乎只有一些性能上的改善，没有接口上的大变化。

3. 我的观点是18个样本最好不要用NN方法了，这样本数还没参数个数多吧。。。
   

追问

意思是说NN法比较适用于大样本少参数吗？因为看见近些年很多相关论文都是用的bp神经网络，导师也说最好用这个才开始研究这个的，没有编程和理论基础问题比较小白，先谢了

追答

NN法比较适用于大样本（但不是少参数）。主要是因为NN本身的参数数目太多，样本太少根本不能充分训练。
NN用好很难，因为很难训练，工业上因为有强大的计算能力所以才显得好用。当然假如能自己调到比较好的参数，也可以实现非常好的效果。