P=[3.2 3.2 3 3.2 3.2 3.4 3.2 3 3.2 3.2 3.2 3.9 3.1 3.2; 9.6 10.3 9 10.3 10.1 10 9.6 9 9.6 9.2 9.5 9 9.5 9.7; 3.45 3.75 3.5 3.65 3.5 3.4 3.55 3.5 3.55 3.5 3.4 3.1 3.6 3.45; 2.15 2.2 2.2 2.2 2 2.15 2.14 2.1 2.1 2.1 2.15 2 2.1 2.15; 140 120 140 150 80 130 130 100 130 140 115 80 90 130; 2.8 3.4 3.5 2.8 1.5 3.2 3.5 1.8 3.5 2.5 2.8 2.2 2.7 4.6; 11 10.9 11.4 10.8 11.3 11.5 11.8 11.3 11.8 11 11.9 13 11.1 10.85; 50 70 50 80 50 60 65 40 65 50 50 50 70 70]; T=[2.24 2.33 2.24 2.32 2.2 2.27 2.2 2.26 2.2 2.24 2.24 2.2 2.2 2.35]; [p1,minp,maxp,t1,mint,maxt]=premnmx(P,T); %创建网络 net=newff(minmax(P),[8,6,1],{'tansig','tansig','purelin'},'trainlm'); %设置训练次数 net.trainParam.epochs = 5000; %设置收敛误差 net.trainParam.goal=0.0000001; %训练网络 [net,tr]=train(net,p1,t1); TRAINLM, Epoch 0/5000, MSE 0.533351/1e-007, Gradient 18.9079/1e-010 TRAINLM, Epoch 24/5000, MSE 8.81926e-008/1e-007, Gradient 0.0022922/1e-010 TRAINLM, Performance goal met. %输入数据 a=[3.0;9.3;3.3;2.05;100;2.8;11.2;50]; %将输入数据归一化 a=premnmx(a); %放入到网络输出数据 b=sim(net,a); %将得到的数据反归一化得到预测数据 c=postmnmx(b,mint,maxt);
时间: 2024-04-21 14:30:02 浏览: 20
这是一个关于神经网络的代码,包含了数据的预处理、网络的构建、训练和预测等步骤。其中,输入数据P是一个14行8列的矩阵,代表14个样本的8个特征值;输出数据T是一个14行1列的矩阵,代表14个样本的目标值。代码中使用了premnmx函数将输入和输出数据归一化,以便使其符合神经网络训练的要求;然后用newff函数构建了一个三层神经网络,其中输入层有8个神经元,隐藏层有6个神经元,输出层有1个神经元,激活函数分别为tansig和purelin;接着使用train函数对神经网络进行训练,训练次数为5000次,收敛误差为0.0000001;最后对新的数据进行归一化,并使用sim函数进行预测,最后使用postmnmx函数将预测结果反归一化得到最终的预测值。
相关问题
ubuntu18.04 opencv3.4换成 opencv3.2
我可以提供一些建议,但不保证它的可行性。你可以尝试使用源码编译OpenCV 3.2,这样就可以保持Ubuntu 18.04的依赖关系。你可以使用apt-get remove手动删除OpenCV 3.4,然后编译OpenCV 3.2。另外,你也可以尝试使用虚拟机安装Ubuntu 16.04,然后在其上安装OpenCV 3.2。
ros noetic opencv 3.2
ROS Noetic是机器人操作系统(ROS)的第十一个主要版本,于2020年5月23日发布。它支持最新的Ubuntu 20.04 LTS操作系统。
OpenCV是一种流行的计算机视觉库,用于处理图像和视频。版本3.2是OpenCV的一个旧版本,于2016年发行。ROS Noetic中默认安装的OpenCV版本是4.2,比3.2版本更加先进。
ROS Noetic结合OpenCV可用于实现机器人视觉应用程序,例如在视觉SLAM(同时定位和地图创建)中使用RGB-D相机,创建交互式应用程序和图形用户界面等。
OpenCV 4.2相比3.2版本有很多更新和改进,例如改进了DNN模块(深度神经网络),添加了新的功能,提高了性能和稳定性。但是,如果需要使用特定的功能或API,也可以使用OpenCV 3.2版本。另外,ROS Noetic还支持其他版本的OpenCV,例如3.3、3.4和4.0。可以根据项目需求选择合适的OpenCV版本。