神经网络制导律（不带角度约束）源代码

最新推荐文章于 2023-11-30 10:24:11 发布

appe1943

最新推荐文章于 2023-11-30 10:24:11 发布

阅读量2.1k

点赞数 1

分类专栏：科研航空航天仿真算法文章标签： matlab 编程

本文链接：https://blog.youkuaiyun.com/stk10/article/details/52814935

版权

这段代码展示了如何使用MATLAB进行神经网络的训练和仿真。首先，对原始数据进行规范化处理，然后通过`prestd`函数进行预处理。接着，创建一个BP神经网络，并设置网络结构和训练参数。最后，训练网络并对训练后的网络进行仿真。注释中提到要运行`plot1.m`以查看结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

%对原始数据进行规范化处理
[pn,meanp,stdp,tn,meant,stdt]=prestd(Tin',Tout);
%[pn,meanp,stdp,tn,meant,stdt]=prestd(inputs',output);

%乱序
N=length(pn);
b=randperm(N);
B=zeros(2,677);
B(1,:)=pn(1,b);
B(2,:)=pn(2,b);
% B(3,:)=pn(3,b);
% B(4,:)=pn(4,b);

C=tn(1,b);

pn=B;
tn=C;

%建立相应的BP网络
%net = newff(minmax(pn),[3,20,1],{'logsig' 'logsig' 'tansig' },'traingdx');
net = newff(minmax(pn),[20,1],{'logsig' 'purelin' },'traingdx');

net.trainParam.show=50;
net.trainParam.epochs = 2000;
net.trainParam.goal = 0.005;
%net.trainParam.lr=0.05;
%net.trainfcn='traingdm';

%[net,tr] = train(net,trainSamples.P,trainSamples.T,[],[],validateSamples,testSamples);


%训练网络
net = train(net,pn,tn);
%对训练后的网络进行仿真
% an=sim(net,pn);
% a=poststd(an,meant,stdt);
% [normTrainOutput,Pf,Af,E,trainPerf] = sim(net,trainSamples.P,[],[]