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。
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。
" C7 X3 s5 ~0 v; e/ M
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。
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

; J( R* t9 F0 M& @
6 H) k5 j2 ]8 N! |  {

其中 ' J! w2 u6 n# U  P+ J4 c ( Y, I1 a  l- I  w

Ra=y 5 H  {1 @4 R$ s: d2 j9 X（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
, ?; _4 S9 H$ KRTRa=RTy的解：
6 _) i8 h) c' K  n- aa=(RTR)-1RTy
4、线性最小二乘拟合
) b) n% n; k7 U8 Ra=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。
+ q. w3 ^* N: b" G3 [5、多项式在x处的值y可用以下命令计算：
5 E( `, T  k$ ], p9 z6 K
0 t8 Y% Q: F0 m3 w) [8 [, y2 Iy=polyval（a，x）
) d+ ~! u, H3 S( _" P3 H& c7 a2 f7 `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