神经网络 神经网络可用于预测数据，通过已知的输入/输出【输出为要预测的数据类型】，分别把输入/输出转换为矩阵P,T 运用BP 三层通用模型，适当选择激励函数和隐层神经元的激励函数。遇到数据的值，范围相差太大，比如两个数量级以上，那就要归一化。 例如： BP 神经网络通常采用 Sigmoid 可微函数和线性函数作为网络的激励函数。 本实例选择 S 型正切函数 tansig 作为隐层神经元的激励函数。而由于网络的输出 归一到[ -1, 1]范围内, 因此预测模型选取 S 型对数函数 logsig 作为输出层神经元 的激励函数。 程序示例： 1234567891011121314151617181920P=[3.2 3.2 3 3.2 3.2 3.4 3.2 3 3.2 3.2 3.2 3.9 3.1 3.2;9.6 10.3 9 10.3 10.1 10 9.6 9 9.6 9.2 9.5 9 9.5 9.7;3.45 3.75 3.5 3.65 3.5 3.4 3.55 3.5 3.55 3.5 3.4 3.1 3.6 3.45;2.15 2.2 2.2 2.2 2 2.15 2.14 ...
