清除
clc
P1=[ 10 0.25 0.25 0.25 0.25 0.25 0.50.51;
0.5 0.25 0.25 0.25 0.25 0.25 0.25 0.75 0.25 1;
0.5 0 0.75 0.25 0.25 1 0.25 0.50.50.5;
10.750.250.50.50.50.50.250.75;
0.250.750.50.250.250.50.750.751;
1 0 0.75 0.25 0.25 0.75 0 0.50.25 0.5;
0.750 0.75 0.50 0.75 0.50.50.50.25 0.75;
1 0 1 0.25 0 0.75 0.25 0.50.51;
0.750.50.50 0 0 0.25 1 1 1;
0.750.50.50.50 0 0.25 0.75 0.51];
T1=[0 1 1 0 1 0 0 0 1 1; 10010110 );
隐藏号=200;
inputnum=size(P1 ',1 );
outputnum=size(T1 ',1 );
w1num=inputnum*hiddennum;
w2num=outputnum*hiddennum;
%%
%新的BP神经网络
net=newff(minmax(P1 )、[31、({'tansig )、) logsig'} )、) trainlm );
net=configure(net,P1 ',T1 ' );
%神经网络参数的设定
net.trainParam.epochs=200;
% net.train Param.goal=0.00001;
% net.train Param.lr=0.1;
% %培训网络
net=train(net,P1 ',T1 ' );
%测试网络
y1=sim(net,P1 ';
ERR1=norm(y1-T1 ';
ERR11=norm(sim(net,P1 ' )-T1 ' );
disp(step1.使用随机权重和阈值:) )
DISP([ '训练样本模拟误差:',num2str(err11 ) ]
DISP([ '蚁群算法优化前测试样本的模拟误差:',num2str(err1) ]
P1已规范化。 运行时显示错误。
错误地使用网络/中继(line 320 )
inputsandtargetshavedifferentnumbersofsamples。
错误untitled2(线60 ) )。
net=train(net,P1 ',T1 ' );