所使用的包：AMORE

建立BP神经网络所需要的函数：newff，train和sim。

newff(n.neurons, learning.rate.global, momentum.global, error.criterium, Stao,

       hidden.layer, output.layer, method)

参数：

n.neurons：一个数字型向量，第一个向量值表示训练样本输入神经元的个数，最后一个向量值表示训练样本输出神经元的个数，中间的向量值依次表示各个隐藏层神经元的个数。

Example：n.neurons=c(12,2,4) 表示一个3层神经网络即12-2-4

n.neurons=c(12,2,4,4) 表示一个4层神经网络即 12-2-4-4，含有2个隐层

learning.rate.global :该参数用于设置神经元学习率

momentum.global :设置全局动量指标，部分训练方法将用到

error.criterium : 用于设置训练误差函数所采用的方法。包括了：

                       LMS：最小均方误差

                       LMLS : 最小均对数平方误差

                       TAO :

Stao : 此参数用于error.TAO 函数，其他误差函数无效。

hidden.layer : 设置隐藏层神经元采用的激励函数，包括：

                  "purelin". 线性函数

"tansig" : 传递函数

"sigmoid". S型函数

"hardlim".

"custom": 用户自定义的函数

output.layer : 设置输出层神经元采用的激励函数，包括：

                  "purelin". 线性函数

"tansig" : 传递函数

"sigmoid". S型函数

"hardlim".

"custom": 用户自定义的函数

method : 设置训练方法即权重更新时所采用的方法。

         ADAPTgd : 自适应梯度下降法

            ADAPTgdwm : 含有动量的自适应梯度下降法

               BATCHgd : 批梯度下降

              BATCHgdwm : 含有动量的批梯度下降法

train(net, P, T, Pval=NULL, Tval=NULL, error.criterium="LMS", report=TRUE,

 n.shows, show.step, Stao=NA,prob=NULL,n.threads=0L)

作用:对于给定的数据集或者训练集，用于修改链接权重值和误差值。更好的用于非线性拟合。

net : newff 产生的对象

P : 训练集的输入值

T : 训练集的输出值

Pval : 检验数据集的输入值，用于检测是否过拟合提前停止训练

Tval : 检验数据集的输出值

error.criterium : 同newff参数

Stao：同newff参数

report : 逻辑类型，用于设置在训练过程是否有图形/文字信息提示

n.shows :用于设置显示report的次数，与show.step 共同决定迭代的次数，总迭代次数等于两者的乘积

show.step : 从源码中得知每次训练的次数，总的迭代次数等于n.shows * show.step 之积

prob： 在进行重采样时设置的概率

sim(net,P,...)

用于网络仿真。