应该是这样:n(1:9900)表示将n的第1到第9900个元素提取出来作为data矩阵对应的的行,data矩阵对应的列为1到3列,将这些data对应的行和列的元素组成为一个新的矩阵赋给input_train.
output_yuce_train=evalfis(input_train,ANFIS); 在函数中,我们需要注意的是“input_train”,这个也是一个".mat"的数据文件,这个时候,我们需要做的事情是,把一开始在“fuzexchkData”中的前四列的数据填入一个新的“input_train.mat”文件中,“ANFIS”:就是我们刚才保存到工作区的网络结构。此时,在工具区会出现...
n(1:1500)是取出向量n的第一个到第1500个元素，至于n是什么你自己定。可以是顺序排列也可以不顺序排列，整条语句就是取出input矩阵中的1500行 所有列的的数据
input_train=input(:,n(1:1900)); output_train=output(n(1:1900)); input_test=input(:,n(1901:2000)); output_test=output(n(1901:2000)); %选连样本输入输出数据归一化 [inputn,inputps]=mapminmax(input_train); [outputn,outputps]=mapminmax(output_train); 2.3.3 BP神经网络训练 1 2 3 4...
核心调用语句如下:%数据输入%选连样本输入输出数据归一化[inputn,inputps]=mapminmax(input_train);[outputn,outputps]=mapminmax(output_train);%%BP网络训练%%初始化网络结构net=newff(inputn,outputn,[88]);net.trainParam.epochs=100;=0.01;=0.01;%网络训练net=train(net,inputn,outputn);%%BP网络预测%预测...
ntrain=round(nwhole*num_size); ntest =nwhole-ntrain; % 准备输入和输出训练数据 input_train =input(:,temp(1:ntrain)); output_train=output(:,temp(1:ntrain)); % 准备测试数据 input_test =input(:, temp(ntrain+1:ntrain+ntest)); ...
input_train=input(n(1:1500),:)'; output_train=output(n(1:1500),:)'; input_test=input(n(1501:2000),:)'; output_test=output(n(1501:2000),:)'; %输入数据归一化 [inputn,inputps]=mapminmax(input_train); 1.3.3 BP神经网络结构初始化 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 ...
归一化函数采用matlab自带函数mapminmax,常用的方法如下: % input_train,output_train 分别为训练输入、输出数据 [inputn,inputps]=mapminmax(input_train) [outputn,outputps]=mapminmax(output_train) input_train,output_train是训练输入、输出原始数据;inputn,outputn是归一化后的数据;inputps,outputps为数据归一...
[inputn,inputps]=mapminmax(input_train);%归一化到[-1,1]之间,inputps用来作下一次同样的归一化 [outputn,outputps]=mapminmax(output_train); %% 第四步 构建BP神经网络 net=newff(inputn,outputn,hiddennum,{'tansig','purelin'},'trainlm');% 建立模型,传递函数使用purelin,采用梯度下降法训练W1= net...
[0 0 0 1];endend%随机提取1500个样本为训练样本,500个样本为预测样本input_train=input(n(1:1500),:)';output_train=output(n(1:1500),:)';input_test=input(n(1501:2000),:)';output_test=output(n(1501:2000),:)';%输入数据归一化[inputn,inputps]=mapminmax(input_train);%% ...