初识Matlab2012a的神经网络工具箱（1）

Getting started!

怎么用Matlab2012a来做人工智能？听说高版本的已经有深度学习工具箱了，在2012a版本找了一圈，发现个神经网络工具箱，如图：

就是这个名为nnstart的工具了。那么就从这里先开始熟悉吧。

1 产品描述

本产品用来设计和模拟神经网络。

神经网络工具箱提供了用于设计、实现、可视化和模拟神经网络的工具。神经网络用于难以或不可能进行公式化分析的应用，如模式识别和非线性系统识别和控制。该工具箱支持前馈网络、径向基网络、动态网络、自组织映射和其他经过验证的网络范例。

关键特性：

• 神经网络的设计、训练和仿真
• 模式识别、聚类和数据拟合工具
• 监督网络包括前馈、径向基、LVQ、时滞、非线性自回归(NARX)和层递归
• 无监督网络包括自组织映射和竞争层
• 用于提高网络训练效率和评估性能的预处理和后处理
• 模块化网络表示，用于管理和可视化任意大小的网络
• 用于改善泛化以防止过拟合的例程
• 用于构建和评估神经网络的Simulink®块，以及用于控制系统应用的高级块

2 神经网络方法概述

神经网络由并行操作的简单元素组成。这些元素的灵感来自生物神经系统。在自然界中，元素之间的连接在很大程度上决定了网络的功能。你可以通过调整元素之间的连接(权重)值来训练神经网络执行特定的功能。

通常，神经网络经过调整或训练，以便特定的输入导致特定的目标输出。下图说明了这种情况。在那里，根据输出和目标的比较调整网络，直到网络输出与目标匹配。通常，需要许多这样的输入/目标对来训练网络。

神经网络已经被训练在各个领域执行复杂的功能，包括模式识别、识别、分类、语音、视觉和控制系统。

神经网络还可以被训练来解决传统计算机或人类难以解决的问题。该工具箱强调了神经网络范式的使用，这些范式构建或本身用于工程、金融和其他实际应用。

本章解释了如何使用四种图形工具来训练神经网络来解决函数拟合、模式识别、聚类和时间序列中的问题。使用这四个工具将给你一个很好的神经网络工具箱软件的使用介绍。

3 如何使用本工具箱和帮助文档？

有四种方法可以使用神经网络工具箱软件。第一种方法是通过本章描述的四个图形用户界面(gui)。(您可以从主GUI打开这些GUI，可以使用nnstart命令打开主GUI。)它们提供了一种快速和简单的方法来访问工具箱的功能，用于以下任务:

• 函数拟合
• 模式识别
• 数据聚类
• 时间序列分析

使用工具箱的第二种方法是通过基本的命令行操作。命令行操作提供了比gui更大的灵活性，但也增加了一些复杂性。本章介绍了一些命令行函数，而神经网络工具箱用户指南更详细地介绍了命令行操作，包括这两章，这对理解命令行的使用很重要，以及训练神经网络的基础知识。在进入用户指南的后续主题之前，您应该先阅读它们。

“网络对象、数据和训练风格”介绍了神经元模型的基本原理和神经网络的架构。它还描述了网络对象，神经网络工具箱软件使用它来存储定义神经网络的所有信息。理解network对象的结构非常重要，特别是在使用命令行操作时。本章还描述了如何在工具箱中存储和使用数据，以及如何训练网络。

“多层网络和反向传播训练”解释了设计多层网络所涉及的基本步骤。该网络是工具箱的主力，可用于函数拟合和模式识别。该网络的大多数设计步骤都可以应用于工具箱中任何其他网络的设计。

如果这是您第一次使用工具箱，那么gui提供了最好的介绍。此外，gui可以生成记录MATLAB®代码的脚本，为您提供模板，用于创建自己的定制命令行函数。首先使用gui，然后生成和修改MATLAB脚本的过程是了解工具箱功能的极好方法。

使用工具箱的第三种方式是通过定制。这种高级功能允许您创建自己的自定义神经网络，同时仍然可以访问工具箱的全部功能。您可以创建具有任意连接的网络，并且仍然能够使用现有的工具箱训练函数来训练它们(只要网络组件是可微的)。自定义工具箱在“高级主题”中有描述。“培训定制网络”中给出了创建和培训定制网络的示例。

使用工具箱的第四种方法是通过修改工具箱中包含