省为srchcha缺少1个训练参数lr训练函数trai
scg量化共轭梯度法与其他共轭梯度法相比，节约时间适合大型网络附加2个训练参数sigma因为二次求导对权值调整的影响参数，缺省为50e5lambdaHessia
阵不确定性调节参数，缺省为50e7缺少1个训练参数lr
f训练函数trai
bfgBFGS拟牛顿回退法收敛速度快但需要更多内存与共轭梯度法训练参数相同适合小网络训练函数trai
oss一步正割的BP训练法解决了BFGS消耗内存的问题与共轭梯度法训练参数相同训练函数trai
lmLeve
bergMarquardt训练法用于内存充足的中小型网络
eti
it
et
ettrai
paramepochs300
ettrai
paramlr005
ettrai
paramshow50最大训练次数前缺省为10自trai
rp后，缺省为100
学习率缺省为001限时训练迭代过程NaN表示不显示，缺省为25

ettrai
paramgoal1e5训练要求精度缺省为0
ettrai
parammax_fail
ettrai
parammi
_grad
ettrai
paramtime
ettrtrai
etPtasim
etP最大失败次数缺省为5最小梯度要求前缺省为1e10，自trai
rp后，缺省为1e6最大训练时间缺省为i
f网络训练网络仿真
通用径向基函数网络其在逼近能力分类能力学习速度方面均优于BP神经网络在径向基网络中径向基层的散步常数是spread的选取是关键spread越大需要的神经元越少但精度会相应下降spread的缺省值为1可以通过
et
ewrbePTspread生成网络且误差为0可以通过
et
ewrbPTgoalspread生成网络神经元由1开始增加直到达到训练精度或神经元数目最多为止GRNN网络迅速生成广义回归神经网络GRNNP456T153667
f
et
ewgr
PT仿真验证p45vsim
etpPNN网络概率神经网络P00110314314143Tc1122333将期望输出通过i
d2vec转换并设计、验证网络Ti
d2vecTc
et
ewp
PTYsim
etPYcvec2i
dY尝试用其他的输入向量验证网络P2140152Ysim
etP2Ycvec2i
dY应用
ewrb函数构建径向基网络对一系列数据点进行函数逼近P1011T09602057700072903771064050660004609013360201304344050003930016470098803072039600344901816003120218903201绘制训练用样本的数据点plotPTrtitle训练样本
fxlabel输入向量Pylabel目标向量T设计一个径向基函数网络，网络有两层隐层为径向基神经元输出层为线性神经元绘制隐层神经元径向基传递函数的曲线p313aradbaspplotpatitle径向基传递函数xlabel输入向量p隐层神经元的权值、阈值与径向基函数的位置和宽度有关只要隐层神经元数目、权值、阈值正确可r