神经网络预测成绩

P=[84 82 74 80 76 74 62 76 70 72 62 56 76 72;
134 109 120 102 129 87 127 118 105 101 114 118 101 103;
103 99 100 99 74 111 75 74 94 93 91 95 91 97;
66 81 76 75 60 75 75 67 70 68 51 63 66 73;
61 96 88 83 74 89 90 80 72 78 61 77 76 86;
60 88 86 80 64 78 98 86 78 72 58 64 87 92;
94 95 88 92 93 91 93 90 87 80 83 91 82 68;
97 96 98 92 86 82 90 95 80 83 82 87 75 82];（14个学生的八科成绩）
T=[ 86 117 118 101 98 109 105 94 99 105 102 86 106 109 ];(第九科成绩)
[p1,minp,maxp,t1,mint,maxt]=premnmx(P,T);
%创建网络
net=newff(minmax§,[8,6,1],{‘tansig’,‘tansig’,‘purelin’},‘trainlm’);
%设置训练次数
net.trainParam.epochs = 5000;
%设置收敛误差
net.trainParam.goal=0.0000001;
%训练网络
[net,tr]=train(net,p1,t1);
%TRAINLM, Epoch 0/5000, MSE 0.533351/1e-007, Gradient 18.9079/1e-010
%TRAINLM, Epoch 24/5000, MSE 8.81926e-008/1e-007, Gradient 0.0022922/1e-010
%TRAINLM, Performance goal met.

%输入数据
a=[123 ;74; 71 ;76; 77 ;85; 81; 70];（第15个学生的其余八科成绩）
%将输入数据归一化
a=premnmx(a);
%放入到网络输出数据
b=sim(net,a);
%将得到的数据反归一化得到预测数据
c=postmnmx(b,mint,maxt);
disp (c )