Question

高分求解释一段神经网络程序 对应写好每句的含义

%通用BP神经网络
P=[-1 -1 2 2;0 5 0 5];
t=[-1 -1 1 1];
net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingd');
%输入参数依次为:'样本P范围',[各层神经元数目],{各层传递函数},'训练函数'
1.训练函数traingd--梯度下降法，有7个训练参数.
2.训练函数traingdm--有动量的梯度下降法,附加1个训练参数mc(动量因子，缺省为0.9)
3.训练函数traingda--有自适应lr的梯度下降法,附加3个训练参数:lr_inc(学习率增长比，缺省为1.05;
4. lr_dec(学习率下降比，缺省为0.7);max_perf_inc(表现函数增加最大比，缺省为1.04)
5.训练函数traingdx--有动量的梯度下降法中赋以自适应lr的方法，附加traingdm 和traingda的4个附加参数
6.训练函数trainrp--弹性梯度下降法,可以消除输入数值很大或很小时的误差，附加4个训练参数:
7.delt_inc(权值变化增加量，缺省为1.2);
8.delt_dec(权值变化减小量，缺省为0.5);
9.delta0(初始权值变化，缺省为0.07);
10.deltamax(权值变化最大值,缺省为50.0)适合大型网络
12.训练函数traincgf--Fletcher-Reeves共轭梯度法;
13.训练函数traincgp--Polak-Ribiere共轭梯度法;
14.训练函数traincgb--Powell-Beale共轭梯度法
15.共轭梯度法占用存储空间小,附加1训练参数searchFcn(一维线性搜索方法,缺省为srchcha);缺少1个训练参数lr
16.训练函数trainscg--量化共轭梯度法,与其他共轭梯度法相比，节约时间.适合大型网络
17.附加2个训练参数:sigma(因为二次求导对权值调整的影响参数，缺省为5.0e-5);
18.lambda(Hessian阵不确定性调节参数，缺省为5.0e-7)
19.缺少1个训练参数:lr
20.训练函数trainbfg--BFGS拟牛顿回退法,收敛速度快,但需要更多内存,与共轭梯度法训练参数相同,适合小网络
21.训练函数trainoss--一步正割的BP训练法,解决了BFGS消耗内存的问题,与共轭梯度法训练参数相同
22.训练函数trainlm--Levenberg-Marquardt训练法,用于内存充足的中小型网络
net=init(net);
net.trainparam.epochs=300; %最大训练次数(前缺省为10,自trainrp后，缺省为100)
net.trainparam.lr=0.05; %学习率(缺省为0.01)
net.trainparam.show=50; %限时训练迭代过程(NaN表示不显示，缺省为25)
net.trainparam.goal=1e-5; %训练要求精度(缺省为0)
%net.trainparam.max_fail 最大失败次数(缺省为5)
%net.trainparam.min_grad 最小梯度要求(前缺省为1e-10，自trainrp后，缺省为1e-6)
%net.trainparam.time 最大训练时间(缺省为inf)
[net,tr]=train(net,P,t); %网络训练
a=sim(net,P) %网络仿真

net.IW{i,j}为输入层与网络输入的网络权值
net.LW{i,j}为各层神经元之间的网络权值,主要是隐层和输出层权值
net.b{1}表示隐含层的阈值
net.IW{1,1}; 输入层到隐层的权值
net.b{1,1}; 输入层到隐层的阈值
net.LW{2,1}； 隐层到输出层的权值
net.b{2,1}; 隐层到输出层的阈值

Answer 1

取一个字不落的背下来
还有一点就是好好听讲 老师说的每一个字都马上去实施
现在听呀 读呀 看那 都没有用了 时间太短了
只有去一点捷径 听老师的 没错！
祝你考好呦！

Answer 2

给个10分儿你还真诚意啊，兄弟，技术活啊，不重视知识啊。

追问

我财富值不够了 否则分数都给你

追答

哈哈，我是Java的 没办法咯

Answer 3

我是来赚积分的没人回答找我来

追问

我真的遇到麻烦了 求大侠解决 我的时间不多了 跪求帮忙

Answer 4

这是一个简单又典型的BP网络，你已经把写的很清楚了，还有什么要知道的吗？