神经网络怎么求极值和组合

通过四个输入和一个输出求出关系后，怎么通过关系预测出这个输出的极值和四个输出分别的数据？

这就是一个优化问题了啊！
假设你训练好了的神经网络名字叫做net
（1）假如你要找极小值

fun = @(x)predict(net, x);
x0 = [0,0,0,0]; %你自己设置初值，（有可能需要转置即x0 = [0,0,0,0]'）
[x, ymin] = fminsearch(fun, x0); % x就是你要的位置，ymin就是极小值

（2）假如你要找极大值

fun = @(x) -predict(net, x);
x0 = [0,0,0,0]; %你自己设置初值，（有可能需要转置即x0 = [0,0,0,0]'）
[x, ymax] = fminsearch(fun, x0);  x就是你要的位置
ymax = -ymax;%ymax就是极大值

神经网络训练完成后，就形成了输入和输出的映射关系，但是没有解析关系，所以不能按照常规的方法求导来求极值。一个思路是：将四个输入网格化，输入到神经网络后得到一系列的输出，然后求解输出的极值，及其对应的输入值。