神经网络的注意事项

fenghuaxl

一、神经网络
2 E. Y8 [; m7 b  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。
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。
( \( d# U/ t2 W1 p9 j& F6 T" L- ~+ ^
二、插值拟合
$ z9 R4 S) U' C' H1、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。
! i$ X& D9 M, U9 {1 [  [: w- x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

其中 ; J% e. G) `$ L

Ra=y ! _7 ]0 a' ]. r  \% Z$ S( h! i7 R（3） & E  M3 Z; }) p$ m, D

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
RTRa=RTy的解：
/ B1 m$ W, X0 b; @% f4 |a=(RTR)-1RTy
7 b9 r" y" x2 J8 h5 g4、线性最小二乘拟合
a=polyfit(x,y,m)
a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：
% L. C8 s2 `# `  v& j* r" s9 c0 f* t
9 X7 l7 [9 w( |; J* jy=polyval（a，x）
' K8 c, l; y# q* z+ E6、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