请教有关具体实例中激活函数，训练函数等具体问题
表为某药品销售情况，现构建一个如下三层的bp神经网络对药品销售进行预测:输入层有3个结点，隐含层5个结点，隐含层的激活函数为tansig（双曲正切s型专递函数）；输出接点数为1个，输出层激活函数为logsig（s型对数函数）。并利用此网络对药品销售进行预测，预测方法采用滚动预测方法，即用前三个月销售量预测第四个月销售量，如，用第1，2，3个月的销售量预测第4个月的销售量，用第 2，3，4个月的销售量预测第5个月的销售量，如此反复，知道满足预测精度要求为止。【1月2056，2月2395，3月2600，4月2298，5月 1634，6月1600，7月1873，8月1478，9月1900，10月1500，11月2046，12月1556】解：%以每3个月销售量经归一化处理后作为输入
P=;
%以第四个月销售量归一化处理后作为目标向量
T=；
%创建一个bp神经网络，每一个输入向量取值范围为，隐含层有5个神经元，输出层有一个神经元，隐含层激活函数为tansig，输出层激活函数为logsig，训练函数为梯度下降函数，即标准学习算法。
net=newff(，，{'tansig','logsig'},'traingd');
net.trainParam.epochs=15000;
net.trainParam.goal=0.01;
% 设置学习速率为0.1
LP.lr=0.1；
net=train(net,P,T);
请问
（1） 隐含节点数为什么要设为5个;
（2） 隐含层的激活函数为什么是tansig，输出层激活函数为什么是logsig；
（3） 以第四个月销售量归一化处理后作为目标向量有什么作用，T=；中 的0.3761怎么得来的；
（4） 训练函数为什么为梯度下降函数，标准函数算法就是用的梯度下降函数吗？
（5） net=newff(，，{'tansig','logsig'},'traingd');中的traingd是什么意思；
（6） 训练次数为什么是15000次；
（7） net.trainParam.goal=0.01;这个语句是什么意思；
（8） 学习速率为什么定位0.1；
（9） P=;中 0.0000怎么德出来的；
（10）预测结果如何才算达到极度要求。
小弟刚学，所以找来一个例子请教具体细节，请哥哥姐姐不辞辛苦帮弟弟解读一下 万分感谢！
页:
[1]