1、“.....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，我们可以得到这样的结论在置信概率的条件下，由分布表查得临界值，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，第层有个神经元，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......”。

2、“.....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。我们用软件进行求解具体程序见附表六神经网络训练过程图如下图表十三神经网络训练图其中目标为，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......”。

3、“.....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。缺点容以便选出最佳模型㈠回归系数的符号及数值是否合理㈡模型的更改是否提高了拟合优度模型中各个解释变量是否显著㈣残差分布情况而以上比较模型的㈠㈡步在模型分析中已有阐述，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，，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......”。

4、“.....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，尤焕苓丁德平王春华刘伟东谢庄应用回归分析和神经网络方法模拟北京地区电力负荷张汝川顾文锦于进勇赵红超基于神经网络的最优滑模制导律研究海军航空工程学院系，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，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。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......”。

5、“.....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。我们运用软件进行了逐步分析程序代码见附录，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......”。

6、“.....电流输出模块利用图所示的恒流源电路，运放的输出端通过三极管与反向输出端相连，构成负反馈电路，由于运放的同相输入端与反相输入端在理论上是虚短的，且运放的输入电阻无穷大，因此反相端和同相端的电位相等，即，又由于三极管的发射极与集电极电流仅相差微小的基极电流，可视为两者相等即。因此可以通过改变同相输入端的电压来调整输出电流的大小。例如时，但是在测试对的控制比预期效果差，总是小于理论值。同时也是负反馈电阻，当电路电流受外界影响而减小的时候，的端电压也随之降低，三极管的也会上升。由于三极管的驱动电流较大，在试验中输出电流偏小，达不到要求精度，所以采用方案二，用场效应管代替三极管输出，与三极管相比场效应管具有驱动电流小，电流噪声底，输出电流大的特点。仿真电路如图所示。仿真波形图如图所示。图恒流源电路原理图图恒流源电路仿真波形图具体电路图在仿真结果的基础上设计了电流输出模块，电路原理图如图所示图电流输出原理图电流输出模块图具体电路图如图所示图电流输出模块图主控部分单片机系统及外围电路在电路设计中我选择最常见的公司的单片机。此单片机与产品指令系统完全兼容......”。

7、“.....字节内部，个可编程口线，个位定时计数器和个中断源。并且该单片机经济实用，使用广泛。单片机时钟脉冲电路单片机的最高时钟脉冲频率已经达到了，它内部已经具备了振荡电路，只要在的两个引脚即脚连接到简单的石英振荡晶体的端即可，晶体的个管脚也要用的电容耦合到地。复位电路的复位引脚是第脚，当此引脚连接高电平超过个机器周期，即可产生复位的动作。以的时钟脉冲为例，每个时钟脉冲为，两个机器周期为，因此，在第脚上连接个的高电平脉冲，即可产生复位动作。最简单的就是只要个电阻跟个电容的复位电路，如图所示。图通电瞬间复位电路图的基本外部电路主控部分具体电路主控单片机图主控电路原理图数控电流源的软件系统设计具体模块划分数据处理以及显示模块其具体流程图如图所示读进制转存显示缓冲数据读进制转存显示缓冲数据读选择表单查表存输出数据发送缓冲区数据发送显示信号返回图数据处理以及显示模块其具体流程图按键处理程序模块如图所示有键按下吗是第键吗是第二键吗是第三键吗是第四键吗快加快减慢加慢减是是是是是否否否否否返回图按键处理程序流程图数值处理考虑到运算放大器的工作点偏差问题输出控制采用链表方式......”。

8、“.....输出电流为，然后递减粗调和细调同时用高精度电流表检测电流，当调整到合适的电流时即将输出状态记录，并与输出电流相关联，从而修正线性，运算放大器静态电流等问题造成的偏差，同时在加入温度探测电路以后可以方北京电子工业出版社，张有顺编著系列单片机简明教程北京中国脊梁出版社，附录总电路图主控单片机数控电流源电信班崔凌附录总图便的对温度影响进行补偿。系统具有良好的可升级性。键盘对单片机输入数据，所要得到的电流值，单片机将得到的数据进行转化成转换器所需要的数字信号。假设键盘输入的电流值为，由于为软件进行求解，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，我们可以得到这样的结论在置信概率的条件下，由分布表查得临界值，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......”。

9、“.....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，第层有个神经元，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......”。