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。
& h) u; b; O' p6 ~7 S
' o9 S7 A0 z/ p/ H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
) l; y) W( {& L

1 }" f$ k, S3 ?2 p( ^

其中 0 Q+ d8 V& F0 E1 W% L# ?: l9 u% f! a

Ra=y # L1 q( o7 I  E' F9 T 1 t  u: b" O, |& D" C1 E* b（3） : W) B: R8 R/ r- f( X; ]0 e

$ A8 N2 T$ H7 L4 D3 F3、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
9 A0 G7 c2 T& \# |RTRa=RTy的解：
7 n3 B/ v" s$ _3 va=(RTR)-1RTy
: r' E- C1 v" B' z6 W- c4 i' Q, R4、线性最小二乘拟合
; b' T9 r& B7 ha=polyfit(x,y,m)
9 c+ O8 g. Z2 o) `7 b5 Y% t, @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：

7 b1 q: r$ K: r; c  Ky=polyval（a，x）
. z+ @1 f8 z& g7 F, x6、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