xiaotao_1的博客

C = [A,B] C = [A B] % 横向合并，要求A,B矩阵行数一样。逗号或者空格都行。C = [A;B] % 纵向合并，要求A,B矩阵列数一样。用分号隔开。

Ctrl+r：选中要注释的多行文本，然后按Ctrl+r就可以实现多行注释。 Ctrl+t：选中已经注释了的多行文本，然后按Ctrl+t就可以取消多行注释。%{figure(1);imagesc(plane1);colorbar;%}用这个大括号也可以实现多行注释，注意括号都要单占一行。

1，一个figure画多个子图：figure(10) % define figuresubplot(2,2,1); % subplot(x,y,n)x表示显示的行数，y表示列数，n表示第几幅图片plot(...);subplot(2,2,2);plot(...);subplot(2,2,3);plot(...);subplot(2,2,4);plo

一，*和.*的联系和区别。 　　1，在进行数值运行和数值乘矩阵，这两种没有区别,例如：a*b=a.*b; a*B=a.*B; B*a=B.*a （其中小写字母表示数值，大写字母表示矩阵，下同）。 　　2，在处理矩阵乘矩阵时，*表示普通的矩阵乘法，要求前面矩阵的列数等于后面矩阵的行数；.*表示两个矩阵对应元素相乘，要求两个矩阵行数列数都相等。例如：>> [1,2,3]*[1,2;3,

转自：这里用函数mapminmax1 默认的map范围是[-1, 1]，所以如果需要[0, 1]，则按这样的格式提供参数:MappedData = mapminmax(OriginalData, 0, 1);2 只按行归一化，如果是矩阵，则每行各自归一化，如果需要对整个矩阵归一化，用如下方法：FlattenedData = OriginalData(:)'; % 展开矩阵为一列，然后...

>> a = [9,8,7,6,5,4,3,2,1]; % 待取元素向量>> b = [1,3,4]; % 指针向量>> a(b) % 利用指针取元素ans = 9 7 6>> a(b) = 5; % 还可以进行赋值>> aa = 5 8...

是因为编写的函数中有clear语句。删掉就好了。

转载：这里

列 说明 函数名称 探查的代码所调用的所有函数列表。起初，这些函数按处理它们时所花的时间排序。 调用 被探查的代码调用函数的次数。 总时间 函数（包括访问的所有子函数）所耗费的总时间（以秒为单位）。函数所耗用的时间包括子函数所耗费的时间。探查器本身会耗用一些时间，该时间也包括在结果中。对于运行时间无足轻重的文件来说，总时间可以是零。 ...

1，你可以先查看这种网络的参数，用help，doc是不行的，我提供一种其他方法，在命令窗口键入net = feedforwardnet(1) 就可以得到下面的信息，有关net的权值以及各种参数，大多都可以通过net.调用，如net.b就是调用偏置。net = Neural Network name: 'Feed-Forward Neural Network...

　　方法1，代码换行。title({'first line,';'second line.'},'FontSize',24); % 两行的内容用分号隔开，再用大括号括起来。　　方法2，在画好的图里面直接修改。 　　点图片菜单栏insert –》Title。此时title变为可修改状态，直接回车就能换行了。...

根据窗口，分为四个部分讲。后面小括号的灰色字是链接，可以点进去看。　　　　　　 1，Neural Network 　　　　这里显示的是输入大小，中间层数量以及每层的神经元个数。2，Algorithms 　　Data Division：Random。这表示使用随机指数将目标分成三组，分别作为train，validation，test。 　　Training：RProp。这表示学习训练函数

1，运行一次网络，在comand的命令中打入你的网络名词，如果是默认的就打net。然后就能看到下面一大堆信息：Neural Network % 中间一大堆没用的，已删除。 weight and bias values: IW: {3x1 cell} containing 1 input weight matrix

直接用spy命令就行。 　　以下是它的参数解释：spy Visualize sparsity pattern. spy(S) plots the sparsity pattern of the matrix S. spy(S,'LineSpec') uses the color and marker from the line specification strin

1，hlep+命令，比如help save。会在命令行窗口显示文档。 2，doc+命令，比如doc save。会直接打开操作文档。

1，颜色和线条： b blue 蓝 . point - solid g green 绿 o circle : dotted r red 红 x x-mark

1， zeros(m，n)或者zeros([ m, n ]): m行n列的零矩阵。 2， spy(A)：可视化A矩阵非零元的位置以及查看A矩阵非零元的个数。 3， rand(m，n)：生成m行n列矩阵，每个 元素都是0-1的随机数。 4， A/B :右矩阵除法，A,B均为矩阵，可粗略地理解为A*inv(B)，但强烈不建议在matlab里面求逆矩阵。 5， A\B :左矩阵除法，A,B均为矩...

1，newff函数参数说明net = newff(P,T,S) % 这两种定义都可以net = newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)　　 P：输入参数矩阵。(RxQ1)，其中Q1代表R元的输入向量。其数据意义是矩阵P有Q1列，每一列都是一个样本，而每个样本有R个属性（特征）。一般矩阵P需要

除了默认的mse（均方误差）这个性能函数外，还有mae（平均绝对误差）、sae（绝对值和误差）、sse（平方和误差）、crossentropy（交叉熵）。　　要调用其他性能函数，只需要加一行代码：net.performFcn = 'mae';。net是网络名，这里是用的mae性能函数。　　再贴上一个完整的神经网络训练代码吧：x_train = [1,2,3,4,5];y_train

主要是利用save和load命令（可在command窗口输入doc save，doc load 或者help save，help load查看）一，保存workspace的数据。 　　1，save('test.mat') 或者 save test.mat ：保存workspace所有变量到test.mat内。 　　2，save('test.mat','y') 或者 save test

load('test.mat','y')，当时用的这个命令，最初的想法是把test.mat的数据load到y中。然后就出现了报错：Warning: Variable 'y' not found。　　解决办法：我在command窗口输入doc load，查看load('test.mat','y')表示 Load only variable y from example file handel.m

1，保存网络。 　　save ('net') % net为已训练好的网络，这里把他从workspace保存到工作目录，显示为net.mat文档。2，使用网络。 　　load ('net') % net为上面保存的网络，这里把他下载到workspace。 　　 y_predict = sim(net,x_predict) % x_predict 是网络输入，y_predict

这种警告是由于使用旧版本的newff参数列表，解决方法很简单，就是改为新版本形式参数列表：net = newff(minmax(input),[20,5],{'logsig','purelin'},'trainrp'); % 旧版本 net2 = newff(input,output,[20],{'logsig','purelin'},'trainrp'); % 新版本

1，标准归一化。 　　将原始数据集归一化为均值为0、方差1的数据集，归一化公式如下： x∗=x−μδ x^* = \frac{x-\mu}{\delta} 　　其中μ\mu为所有样本数据的均值，δ\delta为所有样本数据的标准差。2，最大最小归一化。 　　将原始数据线性化的方法转换到[0 1]的范围，归一化公式如下： x∗=x−xmaxxmax−xminx^* = \frac{x-x

1，layrecnet用法。 　　layrecnet(layerDelays,hiddenSizes,trainFcn)：有三个参数。 　　layerDelays：默认为1:2。我也不是很懂这个参数，望知道的朋友在评论里面告诉我一下。反正一般就设为这个默认值就行了。 　　hiddenSizes：隐藏层神经元数量。默认为10 　　trainFcn ：训练函数，默认为‘trainlm’2，...

转自：这里关于matlab绘图中字体及图片大小等的设置1. 设置坐标轴上下限：axis([xmin,xmax,ymin,ymax]);2. 设置图片大小：set(gcf,‘Position’,[x1,y1,dx,dy]); x1和y1是图的左下角坐标， dx和dy是图沿着x和y方向的大小， 比如：set(gcf,'Position',[347,162,380,300]);3...