神经网络输出值具有一定的波动性，每次的输出值都会在一定范围内波动，而自己仅需该范围内某个特定小范围值。此时可以借助下列模板进行获取：
while 1==1 神经网络计算得到的函数值（Y） if Y==0.5 break end end
例子：
clc clear close all while 1==1 %% load data_xy.mat data_y = data(1:50000,1:1); data_x = data(1:50000,2:2); %构建 train_x = [data_x]';%数据 train_y = [data_y]';%标签 %构建网络 net = newff(train_x,train_y, [10], { 'logsig' 'purelin' } , 'traingdx' , 'learngdm') ;%输入数据为 特征数*数据个数，输出为 类别向量*数据个数 net.trainParam.showWindow = 0;% 不显示窗口 net.trainparam.epochs = 5000;%允许最大训练步数500步 net.trainparam.goal = 0.00000001 ;%训练目标最小误差0.01 net.trainParam.lr = 0.0000001 ;%学习速率0.05 %% 开始训练 net = train( net, train_x,train_y); close all %% 仿真测试 predict_y = sim( net,train_x) ; SST = sum((train_y-mean(train_y)).^2); SSR = sum((predict_y'-mean(train_y)).^2); R2 = SSR./SST if 0.998 <R2&&R2< 1.002 save good2.mat x = 1:50000; plot(x,train_y,'r',x,predict_y,'g'); break end
此法类似于寻优算法（GA\POS）,不过此法较为“无脑”，对随机结果进行筛选
