遗传算法优化BP神经网络出现输入参数不足，是什么原因啊，求大神指导，代码如下

用遗传算法优化BP神经网络，在加粗那行出现输入参数不足，是什么原因啊，求大神指导，代码如下
function err=Bpfun(x,P,T,hiddennum,P_test,T_test)
fid=fopen(‘xlsr.txt’,‘rt’);
P=fscanf(fid,’%f’, [15,9]);
status=fclose(fid);

fid=fopen(‘xlsc.txt’,‘rt’);
T=fscanf(fid,’%f’,[3,9]);
status=fclose(fid);

fid=fopen(‘cssr.txt’,‘rt’);
P_test=fscanf(fid,’%f’, [15,3]);
status=fclose(fid);

fid=fopen(‘cssc.txt’,‘rt’);
T_test=fscanf(fid,’%f’, [3,3]);
status=fclose(fid);
hiddennum=31;
inputnum=size(P,1);
outputnum=size(T,1);
net=newff(minmax§,[hiddennum,outputnum],{‘tansig’,‘logsig’},‘trainlm’);
net.trainParam.epochs=1000;
net.trainParam.goal=0.01;
net.trainParam.lr=0.1;
net.trainParam.show=NaN;
%net.trainParam.showwindow=false;
w1num=inputnumhiddennum;
w2num=outputnumhiddennum;
w1=x(1:w1num);
B1=x(w1num+1:w1num+hiddennum);
w2=x(w1num+hiddennum+1:w1num+hiddennum+w2num);
B2=x(w1num+hiddennum+w2num+1:w1num+hiddennum+w2num+outputnum);
net.iw{1,1}=reshape(w1,hiddennum,inputnum);
net.lw{2,1}=reshape(w2,outputnum,hiddennum);
net.b{1}=reshape(B1,hiddennum,1);
net.b{2}=reshape(B2,outputnum,1);
net=train(net,P,T);
Y=sim(net,P_test);
err=norm(Y-T_test);

clc
clear all
close all
load data
hiddennum=31;
threshold=[0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1];
inputnum=size(P,1);
outputnum=size(T,1);
w1num=inputnumhiddennum;
w2num=outputnumhiddennum;
N=w1num+hiddennum+w2num+outputnum;
NIND=40;
MAXGEN=50;
PRECI=10;
GGAP=0.95;
px=0.7;
pm=0.01;
trace=zeros(N+1,MAXGEN);

FieldD=[repmat(PRECI,1,N);repmat([-0.5;0.5],1,N);repmat([1;0;1;1],1,N)];
Chrom=crtbp(NIND,PRECI*N);
gen=0;
X=bs2rv(Chrom,FieldD);
ObjV=Objfun(X,P,T,hiddennum,P_test,T_test);
while gen<MAXGEN
fprintf(’%d\n’,gen)
FitnV=ranking(ObjV);
SelCh=select(‘sus’,Chrom,FitnV,GGAP);
SelCh=recombin(‘xovsp’,SelCh,px);
SelCh=mut(SelCh,pm);
X=bs2rv(SelCh,FieldD);
ObjVSel=Objfun(X,P,T,hiddennum,P_test,T_test);
[Chrom,ObjV]=reins(Chrom,SelCh,1,1,ObjV,ObjVSel);
X=bs2rv(Chrom,FieldD);
gen=gen+1;
[Y,I]=min(ObjV);
trace(1:N,gen)=X(I,:);
trace(end,gen)=Y;
end

figure(1);
plot(1:MAXGEN,trace(end,:));
grid on
xlabel(‘遗传代数’)
ylabel(‘误差的变化’)
title(‘进化过程’)
bestX=trace(1:end-1,end);
bestErr=trace(end,end);
fprintf([‘最优初始权值和阈值:\nX=’,num2str(bestX’),’\n最小误差err=’,num2str(bestErr),’\n’])

function Obj=Objfun(X,P,T,hiddennum,P_test,T_test)
[M,~]=size(X);
Obj=zeros(M,1);
for i=1:M
Obj(i)=BPfun(X(i,:),P,T,hiddennum,P_test,T_test);
end

遗传算法优化BP神经网络出现输入参数不足，是什么原因啊，求大神指导，代码如下相关推荐

量子遗传算法优化BP神经网络的预测和分类，多输入单输出，多输入多输出
量子遗传算法优化BP神经网络的预测和分类,多输入单输出,多输入多输出 93499615192034876最爱matlab
美赛整理之遗传算法优化BP神经网络的齿轮故障诊断问题
遗传算法优化BP神经网络的齿轮故障诊断问题一.问题的提出二.问题的分析三.结果显示一.问题的提出二.问题的分析这里给出了9组15维的向量,我们的目的就是要根据这9组数据来建立一个BP神 ...
遗传算法优化BP神经网络在非线性函数拟合中的应用
遗传算法优化BP神经网络在非线性函数拟合中的应用在工程应用中经常会遇到一些复杂的非线性系统,这些系统状态方程复杂,难以用数学方法精确建模.在这种情况下,可以建立BP神经网络表达这些非线性系统.通常B ...
Matlab 遗传算法优化BP神经网络
最近在学遗传算法优化BP神经网络,从新浪博客,Matlab中文论坛以及<MATLAB 神经网络43个案例分析>里看了许多资料, 存在着缺少test函数,以及函数名调用错误等问题.自编了te ...
BP神经网络优化 | MATLAB基于遗传算法优化BP神经网络（GA-BP）的预测模型（含完整代码）
文章目录前言一.遗传算法描述二.优化思路三.完整代码预测结果前言首先需要安装一下遗传算法工具箱,可参考这篇博客 MATLAB遗传算法工具箱安装包及安装方法(图解)_周杰伦今天喝奶茶了吗的 ...
遗传算法优化BP神经网络
遗传算法原理遗传算法背景不作介绍.遗传算法作为一种并行随机搜索最优化算法,将自然界的优胜劣汰的生物进化原理引入优化参数形成的编码串联群体中,按照所选的适应度函数并通过遗传中的选择,交叉和变异对个体进 ...
基于Matlab的遗传算法优化BP神经网络在非线性函数拟合中的应用
本微信图文详细介绍了遗传算法优化BP神经网络初始权值阈值的过程,并通过实例说明该优化能够提升BP神经网络的预测精确程度.
《MATLAB 神经网络43个案例分析》：第3章遗传算法优化BP神经网络——非线性函数拟合
<MATLAB 神经网络43个案例分析>:第3章遗传算法优化BP神经网络--非线性函数拟合 1. 前言 2. MATLAB 仿真示例 3. 小结 1. 前言 <MATLAB 神经网 ...
【Matlab风电功率预测】遗传算法优化BP神经网络风电功率预测【含源码 760期】
一.代码运行视频(哔哩哔哩) [Matlab风电功率预测]遗传算法优化BP神经网络风电功率预测[含源码 760期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1 ...

遗传算法优化BP神经网络出现输入参数不足，是什么原因啊，求大神指导，代码如下

遗传算法优化BP神经网络出现输入参数不足，是什么原因啊，求大神指导，代码如下相关推荐

最新文章

热门文章