一、matlab中clc和clear命令的作用：
1.clc命令是命令窗口显示的内容，但并不清除工作空间，对工作环境中的全部变量无任何影响 ；
2. clear命令是用来清除工作空间的内容，即清除工作空间的所有变量 。
二、其它常用命令：
1.close是关闭当前的Figure窗口；
2.close all是关闭所有的Figure窗口 ；
3.clear all是清除工作空间的所有变量，函数，和MEX文件；
4. figure是创建一个用来显示图形输出的一个窗口对象，所有参数采用默认命令，每一个这样的窗口都有一些属性，例如窗口的尺寸、位置等，可通过figure进行指定修改。
三、matlab的省略号三个点“...”的意思：
三个点叫做续行符，意思为该行写太多了，不想在该行继续往下写，又希望格式统一，或看着方便，于是重新另开一行来写。
如：D=[-0.9602 -0.5770 -0.0729 0.3771 0.6405 0.6600 0.4609...
0.1336 -0.2013 -0.4344 -0.5000 -0.3930 -0.1647 -.0988...
0.3072 0.3960 0.3449 0.1816 -0.312 -0.2189 -0.3201];
四、newff:前馈网络创建函数 语法：
net = newff(A,B,{C},’trainFun’,’BLF’,’PF’)。
A：newff的第一个变量，用来设定输入特征的范围，使用minmax来输入也可以，即一个n*2的矩阵，第i行元素为输入信号Xi的最大最小值。
B：newff的第二个变量，用来设定隐含层和输出层神经元的数目，即一个K维行向量，其元素为网络中各个节点的数量。
C：newff的第三个变量，一个K维字符串行向量，每一个分量为对应层的神经元的**函数，默认为“tansig”，且通常在输出层选择一个线性函数“purelin” 。
trainFun：为学习规则的采用的训练算法，默认为有动量的梯度下降法 ：“trainlm” 。
BLF：BP权值/偏差学习函数，默认为：“learngdm” 。
PF：性能函数，默认为“mse”。
五、MATLAB中plot函数的用法：
功能：使用plot绘制二维图像。
plot函数的一般调用形式如下：
plot(X, Y, LineSpec)
其中X由所有输入点坐标的x值组成，Y是由与X中包含的x对应的y所组成的向量。LineSpec是用户指定的绘图样式。
举例如下：
%定义x为0到2pi之间的一组向量，且x向量中相邻两个值之间的增量为pi/1000。定义y向量中的值为x向量的sin值。
x = 0:pi/1000:2*pi;
y = sin(x);
figure % 打开新的绘画窗口，可省略该句
plot(x,y) %采用默认样式，绘制实线
运行结果截图：
六、有关mapminmax的用法简介：
几个要说明的函数接口:
[Y,PS] = mapminmax(X)
[Y,PS] = mapminmax(X,FP)
Y = mapminmax('apply',X,PS)
X = mapminmax('reverse',Y,PS)
结合MATLAB实例来看：定义输入 x1 = [1 2 4], x2 = [5 2 3];
有如下结果：
（1）[Y,PS] = mapminmax(X)用法：
>> x1 = [1 2 4]
x1 =
1 2 4
>> [y,ps] = mapminmax(x1) %[Y,PS] = mapminmax(X)函数接口
y =
-1.0000 -0.3333 1.0000
ps =
name: 'mapminmax'
xrows: 1
xmax: 4
xmin: 1
xrange: 3
yrows: 1
ymax: 1
ymin: -1
yrange: 2
no_change: 0
gain: 0.6667
xoffset: 1
分析即结论：y是对x1进行某种规范化后得到的数据,这种规范化的映射记录在结构体ps中.
运行结果截图：
（2）[Y,PS] = mapminmax(X,FP)用法：
对于上面algorithm算法中的映射函数mapminmax(x1)，该函数求得的是x1中的最大值ymax和最小值ymin，其中ymin,和ymax是参数,可以自己设定,默认为-1,1;如这里我们也可以指定ymin值为0，则有
>> x1 = [1 2 4];
>> ps.ymin = 0;
>> [y,ps] = mapminmax(x1,ps) %[Y,PS] = mapminmax(X,FP)函数接口
运行结果截图：
（3）Y = mapminmax('apply',X,PS)函数接口用法：
如果我对x1 = [1 2 4]采用了某种规范化的方式, 现在我要对x2 = [5 2 3]也采用同样的规范化方式[同样的映射], 可以用Y = mapminmax('apply',X,PS)函数接口实现：
实例：
>> x1 = [1 2 4], x2 = [5 2 3];
x1 =
1 2 4
>> [y1,ps] = mapminmax(x1);
>> y2 = mapminmax('apply',x2,ps) %[ Y = mapminmax('apply',X,PS)函数接口
y2 =
1.6667 -0.3333 0.3333
运行结果截图：
（4）X = mapminmax('reverse',Y,PS)函数接口用法：
X = mapminmax(‘reverse’,Y,PS)的作用就是进行反归一化,讲归一化的数据反归一化再得到原来的数据：
实例：>> x1 = [1 2 4], x2 = [5 2 3];
x1 =
1 2 4
>> [y1,ps] = mapminmax(x1);
>> y2 = mapminmax('apply',x2,ps)
y2 =
1.6667 -0.3333 0.3333
>> xt = mapminmax('reverse',y1,ps)
xt =
1 2 4
>> xt2 = mapminmax('reverse',y2,ps)
xt2 =
5 2 3
运行结果及截图：
上述问题均来自研读“BP神经网络的Matlab实现——人工智能算法”该篇博客时所遇到，参考博客：https://blog.****.net/sinat_38321889/article/details/79182832