BP神经网络 详解模板

%原始数据输入
P=[ 260.5 - -0.07 1.216 6.142
252.45 - -0.04 0.925 27.5 5.068
241.52 - -0.02 1.113 31.7 5.196
238.13 - -0.07 0.823 34.1 6.362
196.32 - -0.07 0.635 31.54 6.472
172.41 - -0.21 0.542 30.17 6.578
161.9 - -0.8 0.3 29.53 6.351
157.53 - -1.9 0.5 33.42 7.307
154.32 - -2.4 0.436 29.14 7.659
148.29 - -2.1 0.516 28.52 7.435
146.74 - -2.52 0.5 27.75
142.98 - -2.64 0.3 26.36 8.934
139.24 - -2.68 0.3 22.19 9.215
132.52 - -2.71 0.623 19.52 9.612 ]
P=P' % 保证输入的P是每行对应一个指标
T=[ %期望输出矩阵T ]
T=T' % 神经网络输出结果为一行
[p1,minp,maxp,t1,mint,maxt]=premnmx(P,T); %将数据归一化
net=newff(minmax(P),[,,],{'tansig','tansig','purelin'},'trainlm'); %创建网络
net.trainParam.epochs = ; %训练次数设置
net.trainParam.goal=0.0000001; %训练所要达到的精度
[net,tr]=train(net,p1,t1); %训练网络 a=[; 270.4;-;-0.05;1.374;;;;6.153]; %输入数据
a=premnmx(a); %归一化
b=sim(net,a); %放入到网络输出数据
c=postmnmx(b,mint,maxt); % 将得到的数据反归一化得到预测数据
c 建好m文件,运行完事

BP神经网络  详解模板

https://blog.csdn.net/kebu12345678/article/details/80867288  神经网络工具箱使用

上一篇:第二次oo博客作业--多线程电梯


下一篇:从输入URL到页面加载的过程?由一道题完善自己的前端知识体系!