matlab 利用矩阵数据自建神经网络数据库

【matlab入门训练】

本文将用模型生成的数据构建可供matlab神经网络训练使用的数据库（数据类型）。即采用训练后的神经网络来拟合逼近该模型。

1、模型输入为五个独立变量(x1,x2,x3,x4,x5)，输出为一个结果y，即多输入单输出模型。假设每个独立变量均有7个离散取值，采用for循环嵌套，则模型输出y为7*7*7*7*7矩阵。

  for q=1:1:7       %%%
      x1(q+1)=x1(q)+0.7;
    for p=1:1:7     %%%
        x2(p+1)=x2(p)+0.3;
        for i=1:1:7  %%%%%%
            x3(i+1)=x3(i)+0.2;
            for qk=1:1:7       %%%
                x4(qk+1)=x4(qk)+0.04;
                for pk=1:1:7      %%%
                    x5(pk+1)=x5(pk)+4;

                   y(q,p,i,qk,pk)=opd0505(x1(q),x2(p),x3(i),x4(qk),x5(pk));

......
2、对于输出y，可直接用reshape函数可以将y转化为1行16807列的标准格式，即yo=reshape(y,1,16807)。

3、对于输入(x1,x2,x3,x4,x5)，同样采用for循环嵌套，生成含有(x1,x2,x3,x4,x5)坐标点的7*7*7*7*7元胞数组，每个cell含有(x1,x2,x3,x4,x5)坐标点：

xo=cell(7,7,7,7,7);

  for q=1:1:7       %%%
      x1(q+1)=x1(q)+0.7;
    for p=1:1:7     %%%
        x2(p+1)=x2(p)+0.3;
        for i=1:1:7  %%%%%%
            x3(i+1)=x3(i)+0.2;
            for qk=1:1:7       %%%
                x4(qk+1)=x4(qk)+0.04;
                for pk=1:1:7      %%%
                    x5(pk+1)=x5(pk)+4;

                   xo{q,p,i,qk,pk}=[x1(q);x2(p);x3(i);x4(qk);x5(pk)]

......

4、对获取的ordina用reshape函数可以转化为1行16807列的标准格式，然后用cell2mat函数将元胞数组转化为矩阵：                          xo2=cell2mat(xo);

5、此时,数据组输入xo2为5*16807矩阵，数据组输出yo为1*16087矩阵，即为matlab神经网络训练的标准格式。该网络为5输入1        输出，样本量为16807。