matlab mapminmax 基于神经网络的网格训练

mapminmax

基于神经网络的网格训练

x=[2,3,4,5,6;7,8,9,10,11];
y=[2,3;4,5];
[xx,ps]=mapminmax(x,0,1);
yy=mapminmax('apply',y,ps);
mapminmax('reverse',yy,ps)

clc,clear;
x=[2,3,4,5,6;7,2,9,10,11];
y=[2,3;4,5];
[xx,ps]=mapminmax(x,0,1);
mapminmax('apply',y,ps)

clc,clear;
x=[2,3,4,5,6;7,8,9,10,11];
mapminmax(x,0,1)
fp.ymin=0;
fp.ymax=1;
mapminmax(x,fp)

clc,clear;
[tn,ps]=mapminmax(t)
t=mapminmax('reverse',tn,ps)

clc,clear;
a=load(data.txt);
a=a';
P=a([1:4],[1:end-1],[PN,PS1]=mapminmax(P));%自变量数据规格化到[-1,1]
T=a(5,[1:end-1]);[TN,PS2]=mapminmax(T);%因变量数据规格化到[-1,1]
net1=newrb(PN,TN)%训练RBF网络
x=a([1:4],end);xn=mapminmax('apply',x,PS1);%预测样本点自变量规格化
yn1=sim(net1,xn);y1=mapminmax('reverse',yn1,PS2)%求预测值，并把数据还原
delta1=abs(a(5,20)-y1)/a(5,20)%计算RBF网络的相对误差
net2=feedforwardnet(4);%初始化bp网络，隐含层的神经元取为4个（多次试验）
net2=train(net2,PN,TN);%训练bp网络
yn2=net2(xn);y2=mapminmax('reserve',yn2,PS2)&%求预测值，并把数据还原

RBF神经网络模型的预测结果要好于BP神经网络模型的预测结果