matlab函數(shù)與神經(jīng)網(wǎng)絡工具箱-預覽頁
【正文】 ： 01之間均勻分布的隨機數(shù) b=a*(10010)+10 rng(2)。state39。 % a為線性等分向量 b=logspace(0,2,50)。 % 在線性坐標下繪制兩者的示意圖 hold on。linspace39。title(39。o39。r+39。logspace39。) linspace和 logspace的區(qū)別 randperm(10) % 1~10整數(shù)的隨機排列 perms(1:3) % 向量 [1,2,3]的所有排列 ， 共有 3*2*2=6種 rng(2) randi(6,3,3) rng(2) a=rand(3,3)*6 ceil(a) randperm 生成隨機整數(shù)排列 randi：生成隨機整數(shù) rng(2)。 min(X,[],DIM)：沿著 DIM指定的維度計算 X的最小值。uint839。native39。a=repmat(a,1,5) s1=diag(a,0) s2=diag(a,1)39。a=zeros(100,100)。a=zeros(10000,1000)。1,1,1。 pinv(a) b=v*(diag(1./diag(s)))*u39。譜范數(shù)可以通過下面的代碼代替： [V,d]=eig(X’*X)。 sqrt(max(diag(d))) norm(x,39。 指數(shù)函數(shù) plot(x,log(x)) 對數(shù)函數(shù) log10/log2 常用對數(shù) /以 2對底的對數(shù) a=1:16 [f,e]=log2(a) x=logspace(0,2)+。39。39。,39。 y1=x。 y5=exp(sqrt(x))/100。b39。.k39。)。正弦 39。平方 39。曲線 39。y39。w39。 z=peaks(xx,yy)。 y1=x。 subplot(221)。 subplot(222)。 subplot(223)。 subplot(224)。 MATLAB R2022b的神經(jīng)網(wǎng)絡工具箱版本號為 Version help n 函數(shù)名稱 新版本中的函數(shù) 功能 newp perceptron 創(chuàng)建 感知器網(wǎng)絡 newlind 設計 線性層 newlin linearlayer 創(chuàng)建線性層 newff feedforward 創(chuàng)建 前饋 BP網(wǎng)絡 newcf cascadeforward 創(chuàng)建多層前饋 BP網(wǎng)絡 newfftd 創(chuàng)建前饋輸入延遲 BP網(wǎng)絡 newrb 設計 徑向基網(wǎng)絡 newrbe 設計嚴格的徑向基網(wǎng)絡 newgrnn 設計廣義回歸神經(jīng)網(wǎng)絡 newpnn 設計 概率神經(jīng)網(wǎng)絡 newc petlayer 創(chuàng)建 競爭層 newsom selfmap 創(chuàng)建 自組織特征映射 newhop 創(chuàng)建 Hopfield遞歸網(wǎng)絡 newelm elman 創(chuàng)建 Elman遞歸網(wǎng)絡 lvq 創(chuàng)建 學習向量量化網(wǎng)絡 pattern 創(chuàng)建 模式識別神經(jīng)網(wǎng)絡 工具 解決的問題 說明 nctool 聚類問題 主要采用自組織特征映射網(wǎng)絡實現(xiàn) nftool 擬合問題 使用 fit函數(shù)，采用 trainlm進行訓練 nprtool 模式識別問題 使用 pattern函數(shù) ntstool 時間序列問題 使用 nar與 narx函數(shù) 謝謝大家！
畢業(yè)設計相關推薦
鄂ICP備17016276號-1