0.每隔一段時間，就會有同學問到關于newff神經(jīng)網(wǎng)絡相關程序代碼的問題，每次看到這樣的問題，內心波瀾涌起；

這種感覺吧，如鯁在喉，想回復一下，但轉念之間，算了，說了也沒用；

1.首先說，newff，這個函數(shù)

它用來創(chuàng)建了一個前饋反向傳播神經(jīng)網(wǎng)絡，它的用法如下：net = newff(P,T,S)，具體語法含義不解釋，因為網(wǎng)上這方面的內容，可謂鋪天蓋地，唾手可得；

現(xiàn)在的問題是，如果稍微仔細了解一下，就會發(fā)現(xiàn)，newff函數(shù)在Matlab R2010b已經(jīng)被Obsoleted（廢止、淘汰），新版本中，推薦的替代方法是feedforwardnet函數(shù)；

注：Matlab2022a中，雖然淘汰，但newff函數(shù)親測，仍然可用；

2.接著說，feedforwardnet函數(shù)的用法

net = feedforwardnet(hiddenSizes,trainFcn) ，創(chuàng)建前饋神經(jīng)網(wǎng)絡，hiddenSizes指定隱藏層大小，訓練函數(shù)由 trainFcn 指定；前饋網(wǎng)絡由一系列層組成，第一層有來自網(wǎng)絡輸入的連接，每個后續(xù)層都有來自上一個層的連接，最后一個層產(chǎn)生網(wǎng)絡的輸出；

3. feedforwardnet可以創(chuàng)建基本通用的神經(jīng)網(wǎng)絡，但可能并不常用

在新版本中，除了feedforwardnet函數(shù)，Matlab工具箱還另外預設了不同應用場景的神經(jīng)網(wǎng)絡，如擬合神經(jīng)網(wǎng)絡可以使用fitnet函數(shù)，模式識別網(wǎng)絡可以使用patternnet 函數(shù)，級聯(lián)前向網(wǎng)絡（從輸入到每層以及從每層到所有后續(xù)層，該網(wǎng)絡都有額外的連接）可以使用cascadeforwardnet 函數(shù)；

之所以有這么多類別的細分，個人認為，是為了應對更廣泛更精細的應用需求，畢竟，新世紀新階段，借著人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)的東風，神經(jīng)網(wǎng)絡在各個領域中，一路狂奔又一路跌打損傷，也是大勢所趨；

這幾個函數(shù)用法就不叨叨念了，在我的視頻系列43中都有詳細講述和編程實例演示（43.1、43.11、43.14），也可以自己網(wǎng)上查資料學習；

4.繼續(xù)說，sim，這個函數(shù)

它用來進行神經(jīng)網(wǎng)絡仿真，意思是，神經(jīng)網(wǎng)絡訓練之后，輸入新的數(shù)據(jù)，神經(jīng)網(wǎng)絡運算，返回響應數(shù)據(jù)，用法：y=sim(net,x)，net是神經(jīng)網(wǎng)絡對象，x是輸入數(shù)據(jù)，y是響應數(shù)據(jù)；

下面要說點什么呢，畢竟，這個函數(shù)沒有被Obsoleted；

下面要說的是，這個用法out了；

5.然后說，如今流行的調用方法

y=net(x)

也就是，直接使用神經(jīng)網(wǎng)絡對象net，把輸入數(shù)據(jù)丟進去，就可以仿真運算，返回結果了，是不是很賤；

6.最后說明

本文整篇都在無事生非，一個兩個函數(shù)或用法的改進，或者不改進，都是小聰明，能夠解決大家在建模、課題、論文中的實際問題，才是大謀略；

7.附圖：兩種神經(jīng)網(wǎng)絡示意圖

相關推薦

End