matlab newff训练完保存网络

在MATLAB中，可以使用以下代码保存已经训练好的神经网络：

% 假设已经训练好了一个名为net的神经网络
save net.mat net

此代码将保存神经网络到名为“net.mat”的MATLAB数据文件中。你可以在以后的代码中加载这个文件来重新使用神经网络。

load net.mat

此代码将加载名为“net.mat”的文件，并将神经网络存储在MATLAB的工作区中。

相关问题

MATLAB newff训练完保存并运行网络

一旦使用MATLAB的newff函数训练完神经网络，可以使用以下步骤保存并运行网络：

1. 使用MATLAB的save函数将训练好的神经网络保存到一个.mat文件中。例如，如果网络对象名为net，则使用以下命令保存网络：

save('trained_net.mat','net')

2. 使用MATLAB的load函数加载保存的.mat文件并恢复网络对象。例如，使用以下命令加载保存的网络：

load('trained_net.mat')

3. 可以使用MATLAB的sim函数来使用恢复的网络对象进行预测。例如，如果要使用恢复的网络对象net对输入数据x进行预测，则使用以下命令：

y = sim(net,x)

其中，y是网络的输出。

4. 如果要在MATLAB中可视化网络的结构和权重，可以使用MATLAB的view函数。例如，使用以下命令查看网络的结构和权重：

view(net)

matlab工具箱BP神经网络

Matlab工具箱中的BP神经网络可以通过使用net=newff函数来创建。该函数的参数含义如下：
- PR：表示输入和输出的最大范围，可以用[min,max]的形式表示
- [S1,S2,...]：表示每个隐藏层的神经元数量
- {TF1,TF2,...}：表示每个层的传递函数类型，可以选择的传递函数有'hardlim', 'hardlims', 'logsig', 'tansig', 'purelin'等
- BTF：表示偏差前馈传递函数
- BLF：表示偏差传递函数
- PF：表示权值传递函数

在训练完网络之后，可以使用save函数将网络模型保存到指定路径，例如save 'E:\Matlab Codes\netName' net。然后可以使用load函数加载已经训练好的网络模型进行仿真预测，例如load 'E:\Matlab Codes\netName' net。

Matlab工具箱中提供了多种BP网络训练算法，可以根据不同的需求选择适合的算法[3]：
- 对于中等大小的网络（数百权值）、函数逼近和最大存储空间要求，可以使用LM算法（trainlm）；
- 对于模式识别和存储空间较小的问题，可以使用弹性BP算法（trainrp）；
- 对于问题普适、大型网络和较小存储空间要求，可以使用变梯度SCG算法（trainscg）；
- 对于某些问题有效但速度较慢和最小存储空间要求，可以使用变学习率算法（traingdx、traingda）。

此外，还可以通过使用贝叶斯归一化法（trainbr）来提高网络的泛化能力。

参考文献：
周开利，康耀红.神经网络模型及其MATLAB仿真程序设计[M].北京：清华大学出版社，2005.
Matlab Documentation
周开利，康耀红.神经网络模型及其MATLAB仿真程序设计[M].北京：清华大学出版社，2005.