matlab中newff激活函数设置

### 回答1：
在 MATLAB 中，我们可以使用 newff 函数来创建一个前馈神经网络，并设置激活函数。激活函数是神经网络中非常重要的一部分，它通常用于模拟神经元的工作方式，以及计算网络输出和误差。

newff 函数默认激活函数为 Sigmoid 激活函数。如果需要设置其他激活函数，可以使用 setwb 函数。例如，如果需要设置 Tanh 激活函数，则可以按照以下步骤进行操作：

1. 创建前馈神经网络

net = newff(inputs, targets, hidden_layers, {'tansig', 'purelin'}, 'trainlm');

其中，inputs 表示输入层节点数；targets 表示输出层节点数；hidden_layers 是一个数组，表示每个隐藏层的节点数；{'tansig', 'purelin'} 表示每个层的激活函数，第一个元素表示隐藏层的激活函数，第二个元素表示输出层的激活函数；'trainlm' 表示使用 Levenberg-Marquardt 优化算法进行训练。

2. 设置 Tanh 激活函数

net.layers{1}.transferFcn = 'tansig';

其中，'tansig' 表示 Tanh 激活函数，{1} 表示第一个隐藏层。

3. 训练网络并预测

训练和预测的具体方法可以根据实际需求选取，例如使用 trainlm 函数进行训练，使用 sim 函数进行预测。

综上所述，我们通过创建前馈神经网络和设置激活函数，可以使用 MATLAB 实现神经网络的训练和预测，并根据实际需求选择合适的激活函数。

### 回答2：
在MATLAB中，使用神经网络的时候，需要设置激活函数。激活函数决定了神经元之间的信号传递。通常来说，MATLAB使用的是sigmoid激活函数，但是可以通过设置newff函数的参数来选择其他不同的激活函数。

newff函数的语法如下：

net = newff(P,T,S,TF,BTF,PF,IPF,OPF)

其中，TF参数表示的是网络中非输出神经元的激活函数类型，而OPF参数则表示了输出神经元的激活函数类型。

常见的激活函数有sigmoid函数、ReLU函数和tanh函数。

sigmoid函数的数学表达式为：

sigmoid(x) = 1 / (1 + exp(-x))

ReLU函数的数学表达式为：

ReLU(x) = max(0,x)

tanh函数的数学表达式为：

tanh(x) = ( exp(x) - exp(-x) ) / ( exp(x) + exp(-x) )

其中，x表示输入的神经元输入值。

这些不同的激活函数具有不同的特点和适用场景，因此需要根据具体应用场景来选择适合的激活函数。在选择激活函数的过程中，需要考虑到应用的需求，在网络的训练和调试的过程中，可以根据效果的反馈来不断地进行调整和优化。

总的来说，matlab中newff函数的激活函数设置比较灵活，可以根据不同的需求选择适合的激活函数，以提高神经网络的性能和效果。

### 回答3：
在MATLAB中，newff函数是构建神经网络的工具。在神经网络中，激活函数是非常重要的一部分。在newff函数中，可以设置不同的激活函数来实现不同的神经网络模型。下面是关于newff函数中激活函数设置的详细说明。

在newff函数中，可以通过指定net.trainFcn来设置激活函数。在MATLAB中，常见的激活函数包括sigmoid（sigmoid函数）、tansig（双曲正切函数）、purelin（线性函数）和logsig（逻辑函数）等。不同的激活函数有不同的性质，可以实现不同的神经网络模型。

例如，如果要创建一个使用sigmoid激活函数的神经网络模型，可以设置如下：

net = newff(minmax(P),[10 1],{'sigmoid','purelin'},'traingd');

其中，'sigmoid'指定了隐藏层的激活函数，'purelin'指定了输出层的激活函数。如果要创建一个使用双曲正切函数（tansig）作为激活函数的神经网络模型，可以设置如下：

net = newff(minmax(P),[10 1],{'tansig','purelin'},'traingd');

除了以上所列举的激活函数外，还有一些其他的激活函数可供选择。例如，可以使用softmax函数来进行多分类问题的神经网络建模，还可以使用radbas函数来构建基于径向基函数的神经网络模型等。

总之，在使用newff函数构建神经网络时，选择适当的激活函数非常重要，可以直接影响神经网络模型的性能。