首 页 行业热点 新车 试驾评测 养车用车 车型库

MATLAB在BP神经网络训练时出现错误,说未定义与"struct"类型的输入参数相对应的函数”train“

发布网友 发布时间:2022-04-21 01:18

我来回答

3个回答

热心网友 时间:2023-10-30 13:39

1、实现%% 以函数的形式训练神经网络命令。

2、实现%P为输入矢量的方法命令。

3、实现%T为目标矢量的命令。

4、实现%创建一个新的前向神经网络的命令。

5、实现%调用算法训练BP网络的命令。

6、其他设置命令。

热心网友 时间:2023-10-30 13:40

主要问题出在txt样本上,数据之间应以空格间隔,而不能是制表符,否则fcanf不能正常读取。


matlab中的fscanf的用法如下:


A=fscanf(fid,format)
[A, count]=fscanf(fid,format,size)
[A, count]=fscanf(fid,format,size)


个人感觉用的最多的是 这样的形式:
data = fscanf(fid,format,size);
其中data为读取内容的数组,他的大小由size决定。size是一个[m n]的向量,m为行,n为列(注意,这里读取的顺序是按列优先排列的,不明白的话可以看下面的例子),若n取inf表示读到文件末尾。fid为fopen打开文件的返回值,format是格式化参数(像printf、scanf)。


举个小例子:
路径+文件名:d:\moon.txt
内容:

13,1,3.4
3,2.1,23
1,12,2
4,5.4,6
现在为了读取moon中的数据存在一个数组里,可以用如下方法

fid=fopen('d:\moon.txt');data_1 =fscanf(fid,'%f,%f,%f',[3,inf]) ;%这里得用单引号
data_2 =fscanf(fid,'%f,%f,%f',[2,inf])
data_3 =fscanf(fid,'%f,%f,%f',[2,2])
fclose(fid);

这时data_1, data_2, data_3分别是一个数组,其内容分别如下:
data_1

13 3 1 4
1 2.1 12 5.4
4 23 2 6

data_2

13 3.4 2.1 1 2 4

1 3 23 12 4,5 6
data_3

13 3.4
1 3

由此可见,读数据的时候,从*数组的水平方向,一个一个读取,传递给新的数组时,从列方向优先。


matlab中函数fscanf在文件读取方面的实例如下:

从文件中有格式地读数据 

fscanf
语法1:[a,count]=fscanf(fid,format,size)
根据指定的格式从fid
文件按照格式format读出数据并按size的格式放入内存。
a :读出的数据放入内存的变量名
count :返回值。0:失败、n>0:成功,n是读出数据个数。
fid :文件号
size :a的数据的格式
N : 列向量
inf : 读出文件全部数据
[M,N] : 读出数据以M*N的格式放入变量名a内

format :读出数据的格式

format是字符形式,与C语言基本相同。字符形式中有“%”与字符集(d,i,o,u,x,e,f,g,s,c,…)搭配构成。
如: %s:单字符读
     %c:读space字符
例:

s=fscanf(fid,'%s') 返回一个字符。
a=fscanf(fid,']') 返回一个五位十进制整数。

size是一个[m n]的向量,m为行,n为列(注意,这里读取的顺序是按列优先排列的,不明白的话可以看下面的例子),若n取inf表示读到文件末尾。

fid为fopen打开文件的返回值,

format是格式化参数(像printf、scanf)。

举个小例子:

内容:

13,   1,    3.4

3,    2.1,  23

 1,    12,   2

4,    5.4,  6

现在为了读取001中的数据存在一个数组里,可以用如下方法

fid=fopen('001.txt');
data=fscanf(fid,'%f,%f,%f',[3,inf]) ;%这里得用单引号
fclose(fid);

这时data中的数据如下:

13    3     1     4

1     2.1   12    5.4

3.4   23    2     6

追问哈哈哈。。。。还是你回答的额。。。

热心网友 时间:2023-10-30 13:40

new=newff(minmax(p),[s1,s2,1],{'logsig','logsig','logsig'},'traingdx');
改为
net=newff(minmax(p),[s1,s2,1],{'logsig','logsig','logsig'},'traingdx');

声明声明:本网页内容为用户发布,旨在传播知识,不代表本网认同其观点,若有侵权等问题请及时与本网联系,我们将在第一时间删除处理。E-MAIL:11247931@qq.com