哈尔滨学院本科毕业论文(设计) net.trainParam.show net.trainParam.time 显示训练迭代过程(NaN表示不显示，default为25) 最大训练时间(default为inf) 3.有自适应lr的梯度下降法训练函数traingda有关参数 参 数 net.trainParam.epochs net.trainParam.goal net.trainParam.lr net.trainParam.lr_inc net.trainParam.lr_dec net.trainParam.max_fail net.trainParam.max_perf_inc net.trainParam.min_grad net.trainParam.show net.trainParam.time 最小梯度要求(default为1e-006) 显示训练迭代过程(NaN表示不显示，default为25) 最大训练时间(default为inf) 内容描述 最大训练次数(default为100) 训练要求精度(default为0) 学习速率(default为0.01) 学习速率增长比(default为1.05) 学习速率下降比(default为0.7) 最大失败次数(default为5) 表现函数增加最大化(default为1.04) 4.弹性梯度下降法训练函数trainrp有关参数 参 数 net.trainParam.epochs net.trainParam.show net.trainParam.goal net.trainParam.time net.trainParam.min_grad net.trainParam.max_fail net.trainParam.delt_inc net.trainParam.delt_dec net.trainParam.delt0 net.trainParam.deltamax 内容描述 最大训练次数(default为100) 显示训练迭代过程(NaN表示不显示，default为25) 训练要求精度(default为0) 最大训练时间(default为inf) 最小梯度要求(default为1e-006) 最大失败次数(default为5) 权值变化增加量(default为1.2) 权值变化减少量(default为0.5) 初始权值变化(default为0.07) 权值变化最大值(default为50) 5.共轭梯度法训练函数trainscg有关参数 参 数
内容描述 27
哈尔滨学院本科毕业论文(设计) net.trainParam.epochs net.trainParam.show net.trainParam.goal net.trainParam.time net.trainParam.min_grad net.trainParam.max_fail net.trainParam.sigma net.trainParam.lambda 最大训练次数(default为100) 显示训练迭代过程(NaN表示不显示，default为25) 训练要求精度(default为0) 最大训练时间(default为inf) 最小梯度要求(default为1e-006) 最大失败次数(default为5) 权值变化增加量(default为5e-005) Hessian矩阵不确定调节参数(default为5e-007) 6.LM算法训练函数trainlm有关参数 参 数 net.trainParam.epochs net.trainParam.goal net.trainParam.max_fail net.trainParam.mem_reduc net.trainParam.min_grad net.trainParam.mu net.trainParam.mu_dec net.trainParam.mu_inc net.trainParam.mu_max net.trainParam.show net.trainParam.time 附录二 模式识别中的各种神经网络模型 1.基于径向基函数神经网络的模式识别
径向基函数神经网络是具有单隐层的三层前馈型网络，能够以任意精度逼近任意连续函数，具有最佳逼近，克服局部极小值问题的性能。它对于每个训练样品，只要对少量的权值和阈值进行修正，这样就提高了训练速度。
径向基函数神经网络是一种前馈反向传播网络，输入层由信号源结点构成，起到数据信息的传递作用。隐含层，即径向基层，对输入信息进行空间映射变换，节点数视情况而
28
内容描述 最大训练次数(default为100) 训练要求精度(default为0) 最大失败次数(default为5) 训练速度因子(default为1) 最小梯度要求(default为1e-010) μ的初始值(default为0.001) μ的减量因子(default为0.1) μ的增量因子(default为10) μ的最大值(default为10000000000) 显示训练迭代过程(NaN表示不显示，default为25) 最大训练时间(default为inf) 哈尔滨学院本科毕业论文(设计)
定。输出层，即线性网络层，对隐层神经元输出的信息进行线性加权后输出，得到整个神经网络的输出结果。
2.基于自组织竞争神经网络的模式识别
自组织竞争神经网络是一类无监督竞争型学习的神经网络模型，具有自组织能力的神经网络，可以对样本空间进行学习或仿真，并对自身的网络结构进行适当地调整修正。
自组织竞争人工神经网络，在网络结构上，一般是由输入层和竞争层构成的两层网络，网络没有隐含层。输入层和竞争层之间的神经元实现双向连接，同时竞争层各个神经元之间还存在横向连接。在学习算法上，它模拟生物神经系统依靠神经元之间兴奋、协调与抑制、竞争的作用来进行信号处理的动力学原理，指导网络的学习与工作。 3.基于反馈型神经网络的模式识别
反馈型神经网络是一种从输出到输入具有反馈连接的神经网络，结构要比前馈型网络复杂得多。Elman网络和Hopfield网络是最具典型的反馈型神经网络。
在MATLAB神经网络工具箱中，Elman网络的设计函数是newelm，Hopfield网络的设计函数是newhop。
29