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 ' )；