4.2nnToolKit函数库
?FnnSimu?功能模糊神经网络仿真函数。?格式retstr = FnnSimu(kd,sj,td)。?说明调用训练好的模糊神经网络模型,对输入样本进行仿真,各参数说明如下:(1) kd 输入参数,学习阈值。(2) sj 输入参数,学习进度。(3) td 输入参数,仿真输入数据。4.2nnToolKit函数库?例4-8 输入一组测试样本数据,对例4-7训练的网络模型进行仿真。function retstr = FnnSimu(kd,sj,td)%%%% 输入参数赋值开始 %%%%%%%%%%%%%%%%%%%%%%% kd=4; sj=0.05; td=[37,26,15,3,0.16,1];%%%% 输入参数赋值结束 %%%%%%%%%%%%%%%%%%%%%%%% kuand=kd; sjsd=sj;% 加载训练好的权值文件 WW=load('data\\w.dat'); [row,col]=size(WW); mu=zeros(1,row); b0=WW(:,col-1);% %%%%%根据模糊规则计算预测结果 4.2nnToolKit函数库
?Initnet
?功能遗传神经网络初始化函数。?格式[net] = Initnet(W1, B1, W2, B2,paraments)。?说明根据指定的权值阈值,获得设置好的一个神经网络,参数说明如下:(1) W1 输入参数,输入层到隐含层权值。(2) B1 输入参数,输入层到隐含层阈值。(3) W2 输入参数,隐含层到输出层权值。(4) B2 输入参数,隐含层到输出层阈值。(5) paraments 输入参数,神经网络参数信息:[最大迭代次数最小误差]。4.2nnToolKit函数库
?Gadecod
?功能遗传算法编码分解函数。?格式[W1, B1, W2, B2, P, T, A1, A2, SE, val]=Gadecod(x)。?说明将遗传算法的编码分解为BP网络所对应的权值、阈值,参数说明如下:(1) x 输入参数,一个染色体。(2) W1 输出参数,输入层到隐含层权值。(3) B1 输出参数,输入层到隐含层阈值。(4) W2 输出参数,隐含层到输出层权值。(5) B2 输出参数,隐含层到输出层阈值。(6) P 输出参数,训练样本。(7) T 输出参数,样本输出值。(8) A1 输出参数,输入层到隐含层误差。(9) A2 输出参数,隐含层到输出层误差。(10) SE 输出参数,误差平方和。(11) val 输出参数,遗传算法的适应值。4.2nnToolKit函数库
?Gafitness
?功能遗传算法的适应值计算函数。?格式f = Gafitness(y)。?说明通过染色体个体计算染色体适应度,参数说明如下:(1) y 输入参数,染色体个体。(2) f 输出参数,染色体适应度。?Generatesample
?功能训练样本生成函数。?格式[ ] = Generatesample(path)。?说明在指定路径生成适合于训练的样本,参数说明如下:path 输入参数,指定路径,用于保存样本文件。?GetWBbyga
?功能获取遗传神经网络权值阈值参数函数。?格式[ W1, B1, W2, B2 ] = GetWBbyga(paraments)。?说明用遗传算法获取神经网络权值阈值参数,参数说明如下:paraments 输入参数,遗传算法的参数信息:[遗传代数最小适应值]。