神经网络的注意事项

fenghuaxl

一、神经网络
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。
7 U/ r  o+ |# K% }5 z$ O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。

5 Y2 R- ]' g( U, @* m% S二、插值拟合
1、插值得到的是数据点。拟合得到的是多项式。
8 r  A1 E& e# \% r4 S* D* h+ C2、超定方程组：方程个数大于未知量个数的方程组。
' j+ [9 b0 N% o  R9 M8 ?" j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
2 ^& D8 k4 f/ I) d/ h4 H# f0 R0 E5 S, I- d
& v3 Y( a$ G( C" h, ?$ g0 K6 I

其中

Ra=y ( t8 Z( T# m, q+ a" l+ m3 G （3）

3、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
3 B0 H5 a, \5 ^; l/ `RTRa=RTy的解：
: m$ U. e$ f1 [7 S0 ]& ]8 Na=(RTR)-1RTy
% ]' v3 r. O8 b+ Z6 ^4、线性最小二乘拟合
% j, X$ N5 z1 G3 X8 l( Va=polyfit(x,y,m)
( X2 O8 \! k: Oa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。
  O' ]# t# M; ^& w! `7 ?5、多项式在x处的值y可用以下命令计算：
9 C3 C3 s4 j' g
( Y- q) J" X5 M* P* Z' R/ h; my=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