神经网络预测函数的根

假设已知X1={X1,X2,X3...},X2={X,1X2,X3...},X3={X1,X2,X3...},Y1={Y1,Y2,Y3...},Y2={Y11,Y22,Y33...}  

测量数据Y{x1,X11;x2,X22;x3,X33;}

其中，Y1与X1~X3有关，Y2也与X1~X3有关，

p=[X1;X2;X3];  %输入数据矩阵
t=[Y1;Y2];         %目标数据矩阵

%利用premnmx函数对数据进行归一化
[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t); % 对于输入矩阵p和输出矩阵t进行归一化处理
dx=[-1,1;-1,1;-1,1];                   %归一化处理后最小值为-1，最大值为1
%BP网络训练
net=newff(dx,[3,7,2],{'tansig','tansig','purelin'},'traingdx'); %建立模型，并用梯度下降法训练．
net.trainParam.show=1000;               %1000轮回显示一次结果
net.trainParam.Lr=0.05;                 %学习速度为0.05
net.trainParam.epochs=50000;