sigmoid函数参数的优化

语法:
(参数)= sigm_fit (x, y)

这是一样的
[param]=sigm_fit(x,y，[]，[]，[]) % no fixed_params, automatic initial_params

[param]=sigm_fit(x,y,fixed_params) %自动初始化参数
[param]=sigm_fit(x,y，[]，initial_params) %当估计很差时使用它
(参数)= sigm_fit (x, y, fixed_params、initial_params plot_flag)

参数= [min, max, x50, slope]

if fixed_params=[NaN, NaN, NaN, NaN] % or fixed_params=[]
优化“min”，“max”，“x50”和“slope”(默认)

if fixed_params=[0,1, NaN, NaN]
优化x50和斜率为0到1的s型曲线


第二个输出中的附加信息STAT
[参数,统计]= sigm_fit (x, y, fixed_params initial_params, plot_flag)


例子:
%%生成数据向量(x和y)
xval fsigm = @(参数)参数(1)+(参数(2)参数(1))。/(1 + 10。^((参数(3)-xval) *参数(4)))
Param =[0 1 5 1];%“min”，“max”，“x50”，“slope”
x = 0:0.1:10;
Y =fsigm(param,x) + 0.1*randn(size(x));

%%标准参数估计
[estimated_params] = sigm_fit (x, y)

%%参数估计与强制0.5固定min
[estimated_params]=sigm_fit(x,y，[0.5 NaN NaN])

%%参数估计，不绘图
[estimated_params] = sigm_fit (x, y, [] [], 0)