请问大神：函数拟合神经网络（fitnet）是BP神经网络吗？在线等待中。

是BP神经网络，是一个只有一个隐含层的的BP神经网络。

nntraintool中的fitnet

open fitnet  命令打开MATLAB中fitnet中的函数：

可以看到，里面使用了feedforwardnet()函数，这是建立BP神经网络的新函数，用以替代newff()函数。在feedforwardnet()函数中，隐藏层和输出层的传递函数分别是'tansig'和‘purelin’

tansig和purelin作为传递函数

另外需要指出的是，在建立的神经网络中，权重和阈值是归一化后的参数使用的权重和阈值，归一化的过程是在fitnet(）函数中进行的。

具体的问题可以使用下面的代码来加深理解。

clear

clc

[x,t] = simplefit_dataset;

net = fitnet(10);

net = train(net,x,t);

y = net(x);   %x为输入，t为输出

%获取模型参数

w1= netiw{1,1};

b1=netb{1};

w2 = netlw{2,1};

b2=netb{2};

%%%查看网络的传递函数

ss=netlayers{1}transferFcn;

sw=netlayers{2}transferFcn;

x1=mapminmax(x);         %x1为原始数据归一化后的输入数据          

[t1,ps]=mapminmax(t);    %t1为原始数据归一化后的输出数据

t11=w2(tansig(w1x1+b1))+b2;     %t11为神经网络求取的归一化输出数据

t12=mapminmax('reverse',t11,ps);  %t12为使用模型参数并且反归一化后的输出数据

神经网络不同的网络有这不同的训练函数，BP神经网络有两种训练函数，trainbp（），利用BP算法训练前向神经网络。trainbpx（），利用快速BP算法训练前向神经网络，即采用了动量或自适应学习，可减少训练时间，tansig函数是神经元的传递函数，与训练函数无关，在trainbp（）函数中含有要训练神经元的函数。

你的X1错了，X1的行数等于输入节点数，X1应该是个2x6的矩阵。所以才会报错提示超出了矩阵维数。

newff函数的格式为：net=newff(PR,[S1 S2 SN],{TF1 TF2TFN},BTF,BLF,PF），函数newff建立一个可训练的前馈网络。输入参数说明：

PR：Rx2的矩阵以定义R个输入向量的最小值和最大值；

Si：第i层神经元个数；

TFi：第i层的传递函数，默认函数为tansig函数；

BTF：训练函数，默认函数为trainlm函数；

BLF：权值/阀值学习函数，默认函数为learngdm函数；

PF：性能函数，默认函数为mse函数。

某层的神经元个数与节点数是一个意思。按你的假设：虽是3层神经网络，但是去叫做两层BP网络，因为输入层一般不算做一层。按你的假设，n就该取2，s1就是隐含层节点数，选取的公式是Hornik

提出的公式，可以算的s1取值范围，到时自己选取合适职，s2就是你输出层节点数，也就是输出维数。

1一般你可以自己尝试下，我最近也在尝试，隐层用tansig是比较理想的，输出层要自己尝试的，如用purlin是输出任意值，logsig很多书也是推崇的，将输出值限定在0，1中，我一般都用tansig

2trainlm是一种训练方法，使用的话收敛很快很快，相比的话traingd收敛很慢很慢。优势traingd要训练1000epochs,而trainlm只要训练5epochs就够了