前些天把玩了一下中神經(jīng)網(wǎng)絡(luò)工具箱的使用，忽有“捫參歷井仰脅息”之感。別的倒是沒什么，只是神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)組織結(jié)構(gòu)有些“怪異”，要是不小心就會導(dǎo)致工具箱報錯。以下便是神經(jīng)網(wǎng)絡(luò)工具箱的正確打開姿勢，謹(jǐn)供諸君參考：
先貼一個使用批處理命令調(diào)用神經(jīng)網(wǎng)絡(luò)工具箱的方法：
P = ［0.1515 0.1501 0.1509 0.1504 0.1504 0.1500
0.1515 0.1501 0.1509 0.1504 0.1504 0.1500
0.1515 0.1501 0.1500 0.1504 0.1504 0.1500
0.1515 0.1500 0.1509 0.1504 0.1504 0.1500
0.1515 0.1500 0.1509 0.1504 0.1504 0.1500
0.1515 0.1500 0.1509 0.1504 0.1504 0.1500
0.9684 0.2792 0.877 0.7426 0.7228 0.2272
0.9838 0.2941 0.9181 0.7977 0.7702 0.2452
0.9922 0.3101 0.9475 0.8445 0.8227 0.2665
0.9953 0.3058 0.9625 0.8708 0.8637 0.2624
0.9982 0.3242 0.9797 0.9089 0.9001 0.3008
0.9995 0.3469 0.9917 0.9314 0.9282 0.3678
0.9998 0.3565 0.9948 0.9493 0.9525 0.4500］;
T= ［0.1521
0.6949
0.7064
0.7083
0.7560
0.7807
0.8182
0.8533
0.8677
0.8459
0.8910
0.9269
0.9496］;
P=P‘;T=T’;
ff=newff（P，T，13）;
ff.. = 15000;
ff = train（ff，P，T）;
Y1 = sim（ff，P）;
cf=newcf（P，T，13）;
cf.. = 15000;
cf = train（cfmatlab 神經(jīng)網(wǎng)絡(luò)工具箱中 有多個輸入變量時，P，T）;
Y2 = sim（cf，P）;
plot（P，T，‘o-’）;
hold on;
plot（P，Y1，‘^m-’）;
plot（P，Y2，‘*-k’）;
TItle（‘newff & newcf’）
（‘原始數(shù)據(jù)’，‘newff結(jié)果’，‘newcf結(jié)果’matlab 神經(jīng)網(wǎng)絡(luò)工具箱中 有多個輸入變量時，0）;
上面這個方法要注意P和T應(yīng)該要先進行轉(zhuǎn)置，即神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本是矩陣的每一個列。
首先要做的自然是安裝，這個步驟我就不過多描述了，請諸君自行參悟。打開后在命令行輸入： ，然后就會出現(xiàn)如下的界面：
首先點擊第一個紅框中的“Load Data”按鈕來導(dǎo)入數(shù)據(jù)，可以從文件導(dǎo)入也可以從工作空間導(dǎo)入。這里要說明的是導(dǎo)入數(shù)據(jù)的格式，它必須滿足如下的要求：數(shù)據(jù)前面部分是系統(tǒng)輸入，后面部分是系統(tǒng)輸出。假設(shè)我們的系統(tǒng)是3輸入1輸出，那么數(shù)據(jù)就應(yīng)該是：［x1，x2，x3，y］。
先導(dǎo)入系統(tǒng)所需的訓(xùn)練數(shù)據(jù)（第一個紅框選的是數(shù)據(jù)類型為：）。導(dǎo)入數(shù)據(jù)后，工具箱會在相應(yīng)位置打點，情況如下：
單擊“Edit”菜單下的“FIS ”選項，出現(xiàn)如下的界面：
這里必須要確保系統(tǒng)的輸入輸出和數(shù)據(jù)中的輸入輸出數(shù)據(jù)個數(shù)是相同的。如果不同可以通過該界面“Edit”菜單下的“Add Input/”來添加輸入輸出，或“”來刪掉多余的輸入輸出。如下圖所示：
好到此為止系統(tǒng)的輸入輸出就調(diào)整完了，接下來需要對隸屬度函數(shù)的類型和數(shù)目進行設(shè)置。單擊上圖界面中“Edit”菜單下的“ ”選項。下圖是打開的對應(yīng)界面：
單擊“Edit”出現(xiàn)如下的幾個選項：
選擇“Add MFs…”選項可以進行隸屬度函數(shù)的添加，添加界面如下：
主要有兩個選項，一個是隸屬度函數(shù)的類型，另一個是隸屬度函數(shù)的數(shù)量，這個就看各自的需求來決定了。
其它“”開頭的選項負(fù)責(zé)刪除隸屬度函數(shù)的工作，若需要對規(guī)則進行修改也可以選擇“Rules”選項進入如下的界面。
將上述的參數(shù)都設(shè)置完成之后就可以回到圖1所示的主界面了，點擊“ FIS”來形成所需的模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)，之后會彈出一個界面：
確認(rèn)各個參數(shù)無誤后單擊“OK”即可。接下來在圖1的第3個紅框中設(shè)置訓(xùn)練相關(guān)的參數(shù)：參數(shù)調(diào)整策略、目標(biāo)誤差、訓(xùn)練周期。這些沒有統(tǒng)一的標(biāo)準(zhǔn)，只有根據(jù)需求自己嘗試了。設(shè)置完成之后點擊“Train Now”，界面中會出現(xiàn)訓(xùn)練相關(guān)情況：
我這里是隨便加載的一個數(shù)據(jù)集，情況不是太好，但相信意思還是表述清楚了。
到此為止系統(tǒng)就訓(xùn)練完成了，接下來需要導(dǎo)入驗證數(shù)據(jù)進行驗證操作。在第一個紅框中，“Type”處選擇“”導(dǎo)入相關(guān)數(shù)據(jù)。再在第四個紅框中選擇“ data”，單擊“Test Now”。出現(xiàn)類似如下的畫面：
到這里實驗可以說是做完了，但是工作并沒有做完，因為工具箱中的實驗結(jié)果數(shù)據(jù)貌似無法導(dǎo)出！不過問題不大，不能直接解決，那就通過間接的方式來搞定，正所謂“山不轉(zhuǎn)水轉(zhuǎn)”嘛。
選擇“File”菜單下“”選項將后綴名為.fis的訓(xùn)練模型保存，如下：
然后再在命令行中輸入命令：
ANFIS=（‘.fis的文件路徑’）;%讀入一個ANFIS結(jié)構(gòu)
out=（Data，ANFIS）;%對模型系統(tǒng)做出數(shù)據(jù)驗證
這樣就可以從“out”數(shù)據(jù)集中得知模型系統(tǒng)的預(yù)測結(jié)果，從而當(dāng)然也可以進一步計算相關(guān)的性能指標(biāo)了。
