神经网络的注意事项

fenghuaxl

一、神经网络
/ t  N9 J; ]: {& M; F7 e3 D$ t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。
* p) u- S1 l) F' @6 j+ {7 |' ~- J% ^* j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。
2 d+ k8 A5 D1 ?! V% l+ s
( V6 ?! q5 h/ F5 R( Z4 N! @二、插值拟合
1、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。
$ ?" z. w! v# y3 ^& ]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
, {7 z3 j* r5 @1 n4 A
$ }& I# e6 y" I
. F5 {/ g- Y7 w1 F+ D9 t+ ?

其中

Ra=y 6 {4 ]' p) D6 }5 V# O 2 l7 s! L' e0 H: n5 s（3） 6 y) l$ Q" U* H; L# n5 c

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
0 n' }+ g2 {. q/ S8 lRTRa=RTy的解：
- |* u; k0 k, ]a=(RTR)-1RTy
3 ]) @. Z8 K+ T4 X: L, \" p4、线性最小二乘拟合
a=polyfit(x,y,m)
* k8 k' C4 @8 r; qa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。
5、多项式在x处的值y可用以下命令计算：
8 j) @( \6 E  S- t% {: C! X
) g5 }! Q+ z, D" T% a: Xy=polyval（a，x）
$ W8 ^; d, s1 R6 K8 _% O3 C6、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