matlab神经网络相关函数
mapminmax:通过把行的最大值和最小值映射到[-1 1]对矩阵进行处理
minmax:
pr = minmax(P)
若：P是R* Q的矩阵。那么返回值的是R*2的矩阵。每行都是P每行的最大最小值。
>> b=magic(3)
b =
8 1 6
3 5 7
4 9 2
>> a=minmax(b)
a =
1 8
3 7
2 9
sorts：
对数组或矩阵进行排序，默认为升序。
rand
rands :
W = rands(S,PR)
M = rands(S,R)
v = rands(S)
是个权值/偏置初始化函数
第一个式子的两个参数，S（神经元）中间层的个数，PR：输入的个数R*2。返回S*R的矩阵，其值是介于-1到1之间的随机值。
第二个式子返回S*R的矩阵的随机值
第三个是返回向量。
以上几个基本函数用于初始化。
下面的函数用于构建，训练，预测
第一个是newff
net=netff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)
函数功能用于创建一个BP神经网络
参数的意思依次是输入，输出矩阵，隐含层节点数，节点传递函数，训练函数，网络学习函数，性能分析，输入处理，输出处理，验证数据划分。
bwlabel:
L = bwlabel(BW, n)
返回和BW同样大小的矩阵L，包含BW中连接物体的标签。n 可以是四或者八连接，默认是八连接。矩阵的元素大于等于0。L中0代表的是背景，L中的1代表的是第一个物体，2 是第二个，以此类推。
[L,num] = bwlabel(BW, n)
增加的参数num代表的是在BW中找到的所有连接物体的个数。
regionprops:
STATS = regionprops(BW, properties)
测量BW中连接物体的一系列性质包括：'Area'（面积） 'Centroid'（质心） 'BoundingBox' （边框）
imfill：
填补图像区域和漏洞
BW2 = imfill(BW)
在屏幕上显示二值图像，通过鼠标点击来确定哪块区域要填补
[BW2,locations]= imfill(BW)
BW2= imfill(BW,locations)
BW2= imfill(BW,'holes')
填充二值图像BW中的空洞，空洞是指图像中无法从边界通过填充达到的元素的集合。
I2= imfill(I)
BW2 =imfill(BW,locations,conn)
reshape:
B =reshape(A,m,n)
返回m*n的矩阵B，其元素通过一列一列从A中取出。
B = reshape(A,m,n,p,...)
B = reshape(A,[m n p ...])
B = reshape(A,...,[],...)
B = reshape(A,siz)
sortrows:
按列以升序的方式对行排序
B =sortrows(A)
对A按第一列排序
B = sortrows(A,column)
按指定column列进行排序。
sortrows(A,[2-3])
对A首先按第二列的大小进行排序，若遇上相等的，对此按第三列进行降序排列。
[B,index] = sortrows(A,...)
例：
A =
95 45 92 41 13 1 84
95 7 73 89 20 74 52
95 7 73 5 19 44 20
95 7 40 35 60 93 67
76 61 93 81 27 46 83
B = sortrows(A)
B =
76 61 93 81 27 46 83
76 79 91 0 19 41 1
95 7 40 35 60 93 67
95 7 73 5 19 44 20
95 7 73 89 20 74 52
95 45 92 41 13 1 84
C = sortrows(A,2)
C =
95 7 73 89 20 74 52
95 7 73 5 19 44 20
95 7 40 35 60 93 67
95 45 92 41 13 1 84
76 61 93 81 27 46 83
76 79 91 0 19 41 1
D = sortrows(A,[1 7])
D =
76 79 91 0 19 41 1
76 61 93 81 27 46 83
95 7 73 5 19 44 20
95 7 73 89 20 74 52
95 7 40 35 60 93 67
95 45 92 41 13 1 84
pr = minmax(P)
P是R*Q矩阵。返回的是一个R*2的矩阵，每行的两个值是P中每行的最大和最小值。