clc;
clear;
close all;
% 载入数据
test0 = xlsread('test0.xlsx'); % 载入测试数据
train0 = xlsread('train0.xlsx'); % 载入训练数据
% 分离输入和输出
input_train = train0(:,1:4); % 训练输入
output_train = train0(:,5); % 训练输出
input_test = test0(:,1:4); % 测试输入
output_test = test0(:,5); % 测试输出
% 定义 FIS 的初始参数
numMFs = 3; % 每个输入的成员函数数量,可以调整
mfType = 'gbellmf'; % 成员函数类型,可以选择 'gbellmf', 'trimf', 'gaussmf' 等
% 生成初始 FIS
in_fis = genfis1([input_train output_train], numMFs, mfType);
% 训练 ANFIS 模型
epoch_n = 100; % 训练轮数,可以调整
anfis_model = anfis([input_train output_train], in_fis, epoch_n);
% 使用 ANFIS 模型进行预测
predicted_output = evalfis(input_test, anfis_model);
% 计算均方误差
mse = mean((output_test - predicted_output).^2);
% 输出均方误差
disp(['均方误差(MSE):', num2str(mse)]);
自适应神经网络模糊控制系统代码
最新推荐文章于 2024-08-12 19:43:14 发布