matlab神经网络如何求最佳值 matlab神经网络工具箱怎么使用训练好的神经网络？
matlab神经网络工具箱怎么使用训练好的神经网络？
使用神经网络工具箱可以非常简单地实现网络的建立和训练，示例代码如下:
%% BP算法函数out bpn
MATLAb神经网络中net.iw{1？
第一个1表示层数，第二个1表示这一层的哪个输入神经元。如果是三层网络，可以表示为n
如何用matlab做出来？
方法一:带数据拟合工具箱的曲线拟合工具。
打开CFTOOL工具箱。在matlab的命令窗口输入cftool，进入数据拟合工具箱。
输入两组向量x，y。
首先，在Matlab的命令行中输入两个向量。一个向量是你想要的X坐标的数据，另一个是你想要的Y坐标的数据。输入后假设叫做X向量和Y向量。你可以在workspac:。
x [196，186，137，136，122，122，71，71，70，33]
y[0.012605 0.013115 0.016866 0.014741 0.022353 0.019278 0.041803 0.038026 0.038128 0.088196]
数据的选择。打开曲线拟合常用工具界面，点击最左边的X数据和Y数据，选择刚刚输入的数据。这时，界面上会出现这组数据的散点图。
选择拟合方法，然后单击“拟合”。
左边的结果是拟合结果，下表是误差等统计数据。
方法二，使用神经网络工具箱
1.打开神经网络工具箱，在命令窗口输入nftool，进入神经拟合工具。
2.导入数据，单击next，将输入导入为X，将目标导入为Y..
3.选择网络参数，单击下一步，选择训练集和测试集的数量，单击下一步，选择隐藏层节点的数量。
4.训练数据，单击下一步并选择训练。
5.画出拟合曲线，训练结束后，运动图拟合。
训练结束后会自动弹出训练结果参数。
神经网络工具箱可以用命令编写，请搜索matlab神经网络工具箱函数的关键字。
方法三:用polyfit函数编写。
Polyfit函数是matlab中用于曲线拟合的函数。其数学基础是最小二乘曲线拟合原理。曲线拟合:已知离散点上的数据集，即点集上的函数值，构造一个解析函数(其图形为曲线)使原来的离散点尽可能接近给定值。
调用方法:apolyfit(xdata，ydata，n)，
其中n表示多项式的最高阶数，xdata和ydata是要拟合的数据，以数组的形式输入。输出参数A是拟合多项式Ya1x ，有n 1个系数。
% routine apolyfit (x，y，2)ZP ival(a，x) plot (x，y，r *，x，z，b)
方法四:自己写算法做拟合。
请参考数值分析的教材。拟合和插值的方法很多，算法也不复杂。灵活运用循环就好。
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
