matlab中newff函数旧版用法

在matlab中，使用神经网络进行数据处理时，常常需要使用newff函数创建一个神经网络对象。newff的函数用法有多个版本，由于官方文档对于旧版本的描述方式很少，且新版本功能已经趋于完善，导致许多新手看官文档时会遇到困惑。本文旨在提供一种旧版newff函数的用法，以供了解和参考。

1. newff函数的语法

newff函数是工具箱中用来创建一个前馈神经网络（feedforward neural network）的函数，其基本语法如下：

net = newff(P,T,S,F,TF,BTF,BLF,PF,Af)

其中，P和T是输入输出数据矩阵（pattern和target），S是包含神经元数的向量，F是激活函数类型向量（默认为‘tansig’），TF是训练函数类型（默认为‘trainlm’），BTF是性能函数类型（默认为‘mse’），BLF是权重和偏移量初始化类型（默认为‘initnw’），PF是权值调整阈值，Af是连续权值更新类型（默认为‘trainbfg’）。

2. newff函数的详细描述

（1）P和T参数

在newff中，输入和输出数据必须分别写入矩阵中。其中，P应该是一个n×m的矩阵，n是数据量大小，m是输入特征个数，并且每一行代表一个数据样本。而T矩阵应该是一个p×m的矩阵，n和m和P矩阵保持相同，但T矩阵中每一行代表的是P矩阵中对应的一行的输出值。如果是多类别分类问题，需要将所有目标列都使用One-hot编码转换。

（2）S参数

S参数是一个向量，用于描述神经网络每层的神经元数目。例如，如果要创建一个有2个输入节点、2个隐藏层、每层3个节点和1个输出节点的神经网络，可以使用以下代码创建：

net = newff([0 1;0 1], [1 1], [3 3], {'tansig','tansig','logsig'})

（3）F参数

F参数是激活函数向量，用于描述每层的激活函数类型，可以使用tansig、purelin、siglog等等。如果忽略本参数，则默认使用tansig激活函数。

（4）TF参数

TF参数是训练函数向量，可选反向传播法等等。如果忽略本参数，则默认使用Levenberg-Marquardt算法。

（5）BTF和BLF参数

BTF参数是性能函数向量，可选mse、crossentropy等等；BLF参数是权重和偏移量的初始化函数向量，可选initwb、initlay、initnw等等。默认情况下，BTF参数选择mse（均方误差），BLF参数选择initnw（普适的权重和偏移量初始化方法）。

（6）PF参数

PF参数是权重调整阈值，指定权重更新终止阈值，当权重更新变化小于该值时，将停止训练网络。默认情况下，PF参数为0.01。

（7）Af参数

Af参数是连续权值更新向量，选择不同的向量决定不同的权值更新算法，如trainlm、trainbr、trainrp等等。默认情况下，Af参数为trainlm。

3. 通过代码示例来学习newff函数的用法

以下是一个简单的代码示例，了解如何使用newff来实现数据的处理。

X = [0 0; 0 1; 1 0; 1 1];
Y = [0; 1; 1; 0];
net = newff(X', Y', [4 1], {'tansig','purelin'});
net = train(net, X', Y');
view(net);

在运行完这段程序后，可以打开上面的查看界面来查看神经网络的结构。这个程序可以实现一个简单的异或操作。

4. 总结

本文介绍了旧版本newff函数的方法和用法，并提供了相关代码示例。对于使用matlab进行神经网络处理的读者，建议使用最新版本的newff函数，以获得更佳的使用体验。