如何用MATLAB进行神经网络拟合

如何用MATLAB进行神经网络拟合

人工神经网络作为一种仿生物神经网络的数学模型，在解决高维度和非线性问题上有着很多优势。MATLAB软件上自带有神经网络模块，下面将为大家讲解如何使用神经网络模块解决数据拟合问题，为后续的大数据统计与分析提供便捷的操作方法。

打开MATLAB，在command window中输入神经网络模型需要学习的样本，以正弦函数为例。

点击最上方工具栏APP，下拉菜单选择神经网络拟合模块（neural net fitting），单击启动该模块。

进入模块的主界面点击next开始进行数据拟合，选择学习样本的输入参数x和输出参数y，点击next进入下一步。确定样本中确认值和测试值的比例（这里采取系统默认值就行），确定后点击next。

确定神经网络中间层数目（中间层数目越多，精度越高，但运算量也就越大，这个根据输入层和输出层维度来确定，具体可参考相关书籍介绍），本次是一维参数输入，中间层数设为6就可满足需求，确定后点击next。

点击train，开始样本学习。学习完后，可以点击plot fit，查看学习效果，比如拟合情况，误差度等数据。查看效果后，如果效果不行，可以点击retrain再次学习，如果效果可以的话，点击next。

通过附加数据加入（除x、y以外，相同规律数据），检测建立的网络模型适用程度，程度符合后点击next，进入到下一个界面，该界面可以查看网络模型具体参数，对于数模爱好者可以进一步查看（这里不详细介绍了），直接点击next。

点击save results，便可保存所建立的神经网络模型net。以后便可以用net，通过sim函数，实现数据预测。