原创作品，允许转载，转载时请务必以超链接形式标明文章 原始出处 、作者信息和本声明。否则将追究法律责任。 http://1572091hyl10.blog.51cto.com/1562091/551341
首先介绍一下云端软件(MATLAB)产生历史的记载，它是利用M语言来进行开发，根据历史回忆，20世纪70年代，也就是美 国新墨西哥大学计算机科学系主任、数值代数领域专家Cleve Moler博士发现用其他高级语言编程极为不便，为了减轻学生 在编程使用语言的困难和容易学的问题，从而便编写了也就是现在最早应用的MATLAB(Matrix Laboratory)写作方法 ，以(Matrix)意思是“矩阵”和(Laboratory)意思是“实验室”的组合，联合并用了(FORTRAN)语言编写集命令 翻译、科学计算于一身的交互式软件系统。这一软件利用是当时数值线性代数领域最高水平的EISPACK和LINPACK两 大软件包可靠的子成程序。
利用相应工具箱来供用户直接使用，同时利用M语言编写脚本或者函数文件来实现用户的算法；是神经网络应用测试；比如： 能够和其它编程语言的有：C/C++语言进行混合应用，在不同的编程语言中能够取长补短，并且可以提供基本的数学算 法；例如：矩阵运算、数据分析算法、工程与科学绘图、控制系统的设计与方针、数据图像处理、数据信号处理、通信系 统设计与仿真与其财务与金融工程等应用方法。来完成相应的数据可视化的工作。MATLAB产品的工具箱有四十多个，分 别是涵盖了数据获取、科学计算以及生物遗传工程等专业领域。这些作法都在云端中起到不同的良好应用。
空间容纳比较大的应用软件；可以进行编辑、绘图、测试。利用神经网络工具箱进行BP网络设计和分析过程，通过对sin函数 采样得到了网络的输入、输出变量为P和T，比如写一段网络测试隐含层节点测试代码如下：
p=1:2:100；
T=sin(P*0.1)；
10=3:12；
for i=1:10；
NodeNum=1(i)； %隐含层节点数
TypeNUM=1； %输出维数
Epochs=1000； %测试次数
TF1 = 'Tansig'TF2='pureln'； %设置传递含数
net =newff(minmax(p)，[NodeNum TypeNum]，{TF1 TF2}，'trainlm') ；
net.trainparam.epochs =Epochs； %最大测试次数
net.trainparam.goal=le-8； %最小均方误差
net.trainparam.min_grad=le-20； %最小梯度
net.trainparam.show=200； %测试显示间隔
net.trainparam.time=inf； %最大测试时间
net.train(net.p.T)； %测试
网络测试代码如下：
p_test=2:2:200；
T_test=sin(p_test*0.1)；
k=length(T_test)；
X=sim(net，p_test)： %测试，输出为预测值
for j=1:k
error(i)=abs(x(j)-T_test(j))k； %计算平均绝对误差
end
end
以上代码显示结果作图：
plot(1:length(p_test)，T_test，'r+:'，l：length(p_test)，X，'bo:')
title('+为真实值，o为预测值')
以上测试结果表明最大测试次数是1000次，函数采用trainlm进有序的测试，隐含层节点数为7的BP网络对测试中的函数拟合效果是最好的。在测试时并非是说隐藏含量层节点的点数越多网络性能就越好。而是反映出测试是否能够使输 入层和输出层的节点数为1，测试根据式（7-20），能够解决该问题的隐含层节点数应在3-12距离之间，因而设计一个 隐含层节点数可变的BP网络，取误差最小的为佳隐含层节点个数。
当我们把隐含层节点从7增加到8、从10增加到11时，这是误差反而增大。以下列表是我们测试中的不同节点数网络测试的 误差。这样使你更好的观视测试的网络进行了解。
函数学习算法为Levenberg-Marquadt反传算法，其优点在于收敛速度快。如果隐藏含层节点数为7时，该采用一些的代码 为梯度下降算法：net=newff(minmax(P)，[NodeNum TypeNum]，{TF1 TF2}，'traiingd')；网络的性能曲线 如下图表显示所示：
用不同的测试函数对神经网络的性能也会造成一定影响的。从误差性能曲线中可以看出，经过了1000次测试仍未达到测试 要求的目标误差le-8,这说明在测试函数traingd进行测试收敛速度是很慢的；如此说来便形成了测试时对所产生的误差是有所 比较的；下面作个图表层加以说明：
我们可以利用科学计算方法来开发进行计算测试，神经网络利用心电图监测监听测试网络、电脑、计算机世界、数据化扫描和 软件设置化、卧底软件手机及网络数据、雷达网进行嵌入式卫星系统进行扫描监听。还可以连接“云计算”进行跟踪测试，我们 可以输入设置好的假音如:机器人声音、小矮人声音 、仿真模拟式等等的网络应用的测试音来进行网络监听。用连接数据库来进行 要我想要的虚拟数据进行耳朵测试，测试追踪数据是由上而下循环进行测试。以下图数据库如图所示：
应用通道html编写设置软件代码或链接嵌入google地球、卫星导航地图、电子地图 、神经网络、云计算设置连接。
输入编写软件连接于卫星进行测试耳朵监听。
我们在通道处设置“假音”勾选所要的音序进行网络监听
嵌入是地图与有电的电图表连接区域距离测试
最后下图这是应用MATLAB 7 编辑、绘图设计，模型仿真应用网格绘图，虚拟化图形设计；也是一个神经网络图形。
这是自己利用“嵌入式”的方法开发出来的一款监测耳朵监听心电测频仪，形成一个扞扰测试系统。
