神经网络的注意事项

fenghuaxl

一、神经网络
8 L) L/ X; w; e3 i* C0 G3 U! P样本数目不能太少,要足够的多。样本要分开，前几个做训练，后几个做检测。初始处理，使初始数据归一，在负一到一之间。
( \- ^" N; h3 |4 _) ?初始数据的处理[pn,minp(归一后的最小值，最大值),maxp,tn,mint,]=premnmx（pn,tn为初始数据）。设置训练参数。

0 v! K; j+ }" ?' u2 E) H6 i& v' C二、插值拟合
9 k# D0 b, \3 A% z/ W1、插值得到的是数据点。拟合得到的是多项式。
2、超定方程组：方程个数大于未知量个数的方程组。
所以，曲线拟合的最小二乘法要解决的问题，实际上就是求以下超定方程组的最小二乘解的问题

3 [, N& J1 ]7 [9 ~# |

其中 / ?# K) I  M2 {' W

Ra=y + m) ^8 S$ H  r" ?' E1 R（3） 9 V( ]. K4 z' v# x* E$ K7 l& ~+ Z

$ a  O% U6 t# y# J- l3、定理：当RTR可逆时，超定方程组（3）存在最小二乘解，且即为方程组
RTRa=RTy的解：
a=(RTR)-1RTy
4、线性最小二乘拟合
a=polyfit(x,y,m)
9 `$ U/ t$ O/ t% ~5 O& R+ pa为输出拟合多项式系数a=[a1, …am , am+1] (数组)），X，Y为输入同长度的数组，m为拟合多项式次数。
. ]8 N/ U9 X4 h5 Y# K5、多项式在x处的值y可用以下命令计算：

/ \1 \2 M' e1 ^1 Gy=polyval（a，x）
6、非线性最小二乘拟合：lsqcurvefit（‘fun’，x0,xdata,ydata）用以求含参量x（向量）的向量值函数

wang027

有点泛，能够详细一些就更好了，不过还是挺感谢的

dolphincc

很好，注意的都总结了一下，省心自己想了。。

北极熊将军

不太清楚~~~

北极熊将军

有点难懂！！！

zengtao880724

很好的啦，下载啦

大笨象

恩。说的不错。

杨帆

实用啊，呵呵