神经网络编程步骤
(1)寻找对结果产生影响的各种指标,假设有m个
(2)寻找样本n个,构造矩阵mn,其对应的标准输出是n1
(3)将上述mn与n1分别带入网络中训练,类似于下列代码中的P与T
(4)输入新的数据进行仿真,类似于下列代码中的P2;
%traingd
clear;
clc;
P=[-1 -1 2 2 4;0 5 0 5 7];
T=[-1 -1 1 1 -1];
%利用minmax函数求输入样本范围
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}%隐层权值
net.b{1}%隐层阈值
net.lw{2,1}%输出层权值
net.b{2}%输出层阈值
P2=[-1;2];
y3=sim(net,P2);