1、“.....从而大大减少计算机的运算量，提高计算机的运算速度。通过实验证明，用算法对网络训练速度非常快，迭代次数减少，提高了收敛速度，但每种算法都不是完美的，此算法中的选取只能通过实验确定。缺点该模型在求解时无法得到具体的函数关系式，从而无法对问题二进行解答。七参考文献姜启源谢金星叶俊数学模型第三版高等教育出版社年月赵卫亚计量经济学教程上海上海财经大学出版社韩中庚，数学建模方法及其应用高等教育出版社年董大校基于的多元非线性回归模型临沧师范高等专科学校，云南临沧浦瑞良宫鹏应用神经网络和多元回归技术预测森林产量美国加利福尼亚大学森林与环境资源监测与评价中心，伯克利焦李成神经网络模型的结构和算法的分离北京理工大学学报......”。

2、“.....烟台八附录附录用药剂量性别血压组别与病痛减轻的时间关系，附录可线性化非线性回归模型中的第个猜测模型的计算，，，生成由组成的阵附录可线性化非线性回归模型中的第个猜测模型的逐步分析文件中程序，，，，附录可线性化的非线性回归模型中的第二个猜测模型的的计算，，，生成由组成的阵附录可线性化非线性回归模型中的第二个猜测模型的逐步分析，，，，，附录六神经网络程序主程序文件中程序，，，，，，，，，，，，，，，，，，，，，，，，，，模型因此这个模型从整体来看是可用的，回归系数的符号和数值是较为合理的。，说明模型有很高的拟合优度，检验也是显著的......”。

3、“.....但是部分解释变量不能通过检验，故应舍弃该模型。四建立改进的可线性化的三元非线性回归模型继续分析题中情况，根据常识，用药剂量在定范围内应该是跟疼痛时间成反比，因为用药剂量多些，治疗效果也会快些。另外血压高的话，疼痛时间应该越大。于是我们建立如下三元非线性回归模型这也是个可线性化模型。令即得我们用软件进行统计量的检验程序见附录，运行结果如下图表五图表五改进模型的统计量结果这个检验结果显示，指因变量病痛减轻时间的可由模型确定，查分布表表得临界值，，而本模型的超过临界值，小于。由方程可以求出在较高拟合度下的最小小于。在置信概率的条件下，可以通过显著性检验......”。

4、“.....运行后得到相应的系数矩阵如下于是我们得到疼痛减轻时间和用药剂量性别血压的关系函数为模型从求解结果可以看出，模型的回归系数的符号和数值是较为合理的。，说明模型有很高的拟合优度，检验也是显著的，说明用药剂量性别和血压对疼痛减轻时间的总影响是显著的。然而解释变量的统计值为，不能通过检验，因此需要对以上模型做适当的调整，按照统计检验程序，般先剔除统计量最小的变量即而重新建立模型。五建立剔除变量后的可线性化的三元非线性回归模型我们用软件进行求解，求解结果如下图表六所示图表六剔除变量后的估计结果于是我们得到疼痛减轻时间和用药剂量性别血压的关系函数为模型用模型显著性检验的方法，结合图表六的数据......”。

5、“.....而实际模型中解释变量，的统计值都要大于，所以能通过检验。从上述求解过程中看出回归系数的符号和数值也是合理的。模型的拟合优度较模型并无多大变化，检验也是高度显著的。这里，解释变量常数项的检验值都比较大，显著性概率都小于，因此模型较模型更为合理。回归模型的比较分析由于在用回归模型拟合样本数据时，通过比较模型的优劣，选择相对较好的回归模型，我们在估计中必须检验下立个可训练的前馈网络，这需要个输入参数第个参数是个的矩阵以定义个输入向量的最小值和最大值第个参数是个表示每层神经元个数的数组第个参数是包含每层用到的转移函数名称的细胞数组最后个参数是用到的训练函数的名称。命令为这个命令建立了网络对象并且初始化了网络权值和偏置，它的输入是两个原属的向量......”。

6、“.....第层有个神经元。第层的转移韩式是，输出层的转移函数是。输入向量的第个元素的范围是到，输入向量的第个元素的范围是到，训练函数是。接下来就可以进行训练了。网络训练带动量的批处理梯度下降法用训练函数触发。如果训练次数超过，则性能函数低于，梯度值低于，或者训练时间超过训练就会结束。假设用表示疼痛减轻时间数据的矩阵，表示用药剂量数据的矩阵，用表示性别数据的矩阵，表示血压组别数据的矩阵，表示所有输入数据的矩阵，表示所有用于预测的输入数据的矩阵。则有，，，，，，，，，，，，，，，，，，，，，，，通过以上数据建立神经网络，并用这个神经网络以及的数据预测其他四个人服药后疼痛明显减轻的时间......”。

7、“.....现在达到图表的检验检验误差值列表图表十四检验图表结果如下即四个服用止痛药的人疼痛明显减轻的时间为，，，分钟。五模型的评价模型统计回归模型优点在回归模型的分析中，运用软件对样本数据进行模拟，将非线性的转化为线性求解，减少了运算量，从而提高了计算机求解运算的速度。在模型选择分析中，运用软件画出残差图，以进行相对准确的选择最优模型。在数据的拟合上，我们通过线性和非线性的综合分析，通过检验，拟合度大于，显示了较高的精度。在多变量的分析中，运用逐项分析法，逐个剔除变量，最后求解出相应的回归方程......”。

8、“.....现分析上述中个不同模型的残差分布情况运用软件可以得到各个模型的残差分析图图表七模型的残差分布图模型的各期残差中大多数都落在ˆ的虚线框内，且残差分别不存在明显的规律性。但是，由对模型显著性分析中的可知，模型中除了解释变量之外，其余变量均为通过变量显著性检验，并且模型的拟合度也是相对不是很好，因此，该模型也应舍弃。图表九模型的残差分布图这个模型从整体来看是可用的，回归系数的符号和数值是较为合理的。，说明模型有很高的拟合优度，检验也是显著的，说明用药剂量性别和血压对疼痛减轻时间的总影响是显著的。但是部分解释变量不能通过检验，故应舍弃该模型。图表十模型的残差分布图该模型的各期残差中大多数都落在ˆ的虚线框内，且残差分别不存在明显的规律性......”。

9、“.....模型的回归系数的符号和数值是较为合理的。，说明模型有很高的拟合优度，检验也是显著的，说明用药剂量性别和血压对疼痛减轻时间的总影响是显著的。然而解释变量的统计值为，不能通过检验，从而应该舍弃该模型。图表八模型的残差分布图图表十模型五的残差分布图对于模型二和模型五的各期残差中大多数都落在ˆ的虚线框内，且残差分别不存在明显的规律性。而且从求解结果可以看出，模型的回归系数的符号和数值是较为合理的。两个模型都具有较合理的现实意义，并且都通过了检验和检验，说明用药剂量性别和血压对疼痛减轻时间的总影响是显著的，并且对样本数据的拟合度也不错，理论上讲都可以描述疼痛减轻时间与用药剂量性别血压的关系。但是通过图表八和图表十的比较......”。