本站原创文章，转载请说明来自《老饼讲解-BP神经网络》bp.bbbdata.com

本文描述使用matlab神经网络工具箱训练BP神经网络的一些最常用的参数和方法。

  01. Demo代码  

matlab版本为2014b,一个简单的DEMO代码如下：

%用于训练的数据
X = linspace(-3,3,100);   
y = 10*sin(x1);   

%网络训练 
net = newff(X,y,3,{'tansig','purelin'},'trainlm');
net.trainparam.goal = 0.00001;    % 设置训练误差目标
net.trainparam.epochs = 15000;    % 设置最大训练次数.
[net,tr,net_y] = train(net,X,y);  % 训练
sim_y = sim(net,X);               % 预测

  02. 关键方法  

关键方法有三个:

   newff    :   构建网络      
   train     :   训练网络       
   sim       :   网络预测       

1、newff：建立一个BP神经网络

newff用于建立一个BP神经网络

● 完整参数：
    net = newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)

● 完整用例：
    net = newff(X,y,3,{'tansig','purelin'},'trainlm','learngdm','mse',{'fixunknowns','removeconstantrows','mapminmax'}, {'removeconstantrows','mapminmax'},'dividerand');

● 入参说明:
   P:     输入数据X，每列代表一个样本的X。
   T：   target，拟合目标，也即输出数据y，每列代表一个样本的Y。
   S：  行向量，隐节点个数，例如 [3,2]代表两个隐层，第一个隐层3个神经元，第2个隐层2个神经元。
   TF：Transfer function，传递函数(激活函数), {'tansig','purelin'} 代表只有一个隐层，隐层传递函数为tansig,输出层传递函数为purelin.注意，要与S对齐。
   BTF： Backprop network training function，训练函数，默认用'trainlm'
   BLF:   Backprop learning function，反向传播权重/阈值 学习函数，默认learngdm.(adapt时调用，一般不需用到)
   PF:     Performance function，性能函数，即误差函数，默认为均方差'mse'，可选：mse,sse,mae,sae(均方差，总方差，均绝对差，总绝对差)，trainlm只支持mse,sse
   IPF:    input processing functions,输入处理函数，默认{'fixunknowns','removeconstantrows','mapminmax'}
   OPF：output processing functions，输出处理函数，默认 {'removeconstantrows','mapminmax'}
   DDF：Data division function，数据分割函数，默认值'dividerand'，即随机分割。

●  出参说明：
   net:训练好的网络 

关于训练函数：

只推荐两种：
数据量小，内存够时，用'trainlm',
数据量大，trainlm不能用时，用'trainscg'
trainlm为Levenberg-Marquardt方法，会利用二阶导信息，trainscg则为量化共轭梯度法。

关于数据处理函数:

mapminmax：将数据按最小最大值线性缩放到[-1,1],即2(x - min(x))/(max(x) - min(x))-1，
removeconstantrows：删除 常数变量
fixunknowns：处理NaN数据

2、train：对网络进行训练

train函数用于对网训练进行训练，
train支持多种参数格式，最常用的是： [net,tr,out_T] = train(net,P,T);

● 入参说明：
   net:需要训练的网络
   P:用于训练的输入数据，
   T：用于训练的输出数据
● 出参说明：
   net:训练好的网络
   tr:训练过程
   out_T：网络对训练数据的预测。

  训练时使用的方法就是网络设置的训练函数(例如trainlm)。

3、sim：使用网络对X预测y

使用方法：
sim_y = sim(net,X)

● 入参说明：
net  : 用于预测的网络                                                           
X    : 需要预测的数据（X为矩阵格式 ，每列代表一个样本）

● 出参说明：
sim_y  : 网络的预测结果

  03. 常用训练参数  

常用的训练参数有：

net.trainparam.goal       = 0.00001;     % 训练目标：均方误差低于0.0001
net.trainparam.show       = 400;         % 每训练400次展示一次结果
net.trainparam.epochs     = 15000;       % 最大训练次数：15000.
net.divideParam.trainRatio= 0.7;         % 用于训练的数据比例
net.divideParam.valRatio  = 0.15 ;       % 用于验证过拟合的数据比例
net.divideParam.testRatio = 0.15;        % 用于比例
net.trainparam.max_fail   = 6;           % 过拟合验证失败次数

训练参数为可选项，可设可不设，为个性化配置。

 End