神經網絡編程步驟
(1)尋找對結果產生影響的各種指標,假設有m個
(2)尋找樣本n個,構造矩陣mn,其對應的標準輸出是n1
(3)將上述mn與n1分別帶入網絡中訓練,類似於下列代碼中的P與T
(4)輸入新的數據進行仿真,類似於下列代碼中的P2;
%traingd
clear;
clc;
P=[-1 -1 2 2 4;0 5 0 5 7];
T=[-1 -1 1 1 -1];
%利用minmax函數求輸入樣本範圍
net = newff(minmax(P),[7,1],{'tansig','purelin'},'trainlm');
net.trainParam.show=50;%
net.trainParam.lr=0.05;
net.trainParam.epochs=1000;
net.trainParam.goal=1e-5;
[net,tr]=train(net,P,T);
net.iw{1,1}%隱層權值
net.b{1}%隱層閾值
net.lw{2,1}%輸出層權值
net.b{2}%輸出層閾值
P2=[-1;2];
y3=sim(net,P2);