⑴ 求助，用matlab中的BP神經網路函數，但沒有trainglm
newff()這個函數是建立一個神經網路的函數，其中括弧裡面的參數含義依次是：輸入數據和輸出數據的范圍，隱含層神經元個數，傳遞函數設置像BP網編程這塊，需要先給出輸入和期望輸出的數據矩陣，然後newff函數建立網路，然後train函數訓練網路，在這個訓練中你需要設置一些訓練目標和訓練次數等參數，然後還有一個sim模擬函數，就是把新的樣本數據做為輸入，通過這個我們訓練好的網路判斷這個樣本所屬分類。因為我用BP網主要做的是分類的實驗，所以就從分類這塊給你說明了。學BP網路，我個人經驗是需要把BP的正向輸出和反向誤差修改權值閾值這個學習過程，自己先手算明白，然後自己編程序實驗，最後再用MATLAB的封裝函數NEWFF這些，你會發現NEWFF和我們自己理解的訓練過程還是有細微的差別的。
⑵ 在搭建神經網路的時候，如何選擇合適的轉移函數（
一般來說，神經網路的激勵函數有以下幾種：階躍函數 ，准線性函數，雙曲正切函數，Sigmoid函數等等，其中sigmoid函數就是你所說的S型函數。以我看來，在你訓練神經網路時，激勵函數是不輕易換的，通常設置為S型函數。如果你的神經網路訓練效果不好，應從你所選擇的演算法上和你的數據上找原因。演算法上BP神經網路主要有自適應學習速率動量梯度下降反向傳播演算法(traingdx)，Levenberg-Marquardt反向傳播演算法(trainlm)等等，我列出的這兩種是最常用的，其中BP默認的是後一種。數據上，看看是不是有誤差數據，如果有及其剔除，否則也會影響預測或識別的效果。