[已答复] 《MATLAB 神经网络30个案例分析》错误使用 network/subsasgn>network_subsasgn (line 550) net.LW{2,1} must be a 1-by-12 matrix. 出错 network/subs

[复制链接]
17612182442 发表于 2020-5-27 13:37:12
本帖最后由 17612182442 于 2020-5-27 13:39 编辑

错误使用 network/subsasgn>network_subsasgn (line 550)
net.LW{2,1} must be a 1-by-12 matrix.

出错 network/subsasgn (line 10)
net = network_subsasgn(net,subscripts,v,netname);

出错 fun (line 28)

《MATLAB 神经网络30个案例分析》里面的遗传算法优化bp
我把网络结构改成4-12-8后就出错了,求解!很急

% 清空环境变量
clc
clear

% 导入故障样本数据
data=xlsread('我的样本数据);
input=data(:,1:4);
output=data(:,5);

% 从1到800间随机排序
k=rand(1,800);
[m,n]=sort(k);

% 从800组数据中随机抽取600组作为训练数据,200组作为测试数据
input_train=input(n(1:600),:)';
output_train=output(n(1:600),:)';
input_test=input(n(601:800),:)';
output_test=output(n(601:800),:)';


%节点个数
inputnum=4;
hiddennum=12;
outputnum=8;

%选连样本输入输出数据归一化
[inputn,inputps]=mapminmax(input_train);
[outputn,outputps]=mapminmax(output_train);

%构建网络
net=newff(inputn,outputn,hiddennum);

%% 遗传算法参数初始化
maxgen=10;                         %进化代数,即迭代次数
sizepop=10;                        %种群规模
pcross=[0.3];                       %交叉概率选择,0和1之间
pmutation=[0.1];                    %变异概率选择,0和1之间

%节点总数
numsum=inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum;

lenchrom=ones(1,numsum);        
bound=[-3*ones(numsum,1) 3*ones(numsum,1)];    %数据范围

%------------------------------------------------------种群初始化--------------------------------------------------------
individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]);  %将种群信息定义为一个结构体
avgfitness=[];                      %每一代种群的平均适应度
bestfitness=[];                     %每一代种群的最佳适应度
bestchrom=[];                       %适应度最好的染色体
%初始化种群
for i=1:sizepop
    %随机产生一个种群
    individuals.chrom(i,:)=Code(lenchrom,bound);    %编码(binary和grey的编码结果为一个实数,float的编码结果为一个实数向量)
    x=individuals.chrom(i,:);
    %计算适应度
    individuals.fitness(i)=fun(x,inputnum,hiddennum,outputnum,net,inputn,outputn);   %染色体的适应度
end

%找最好的染色体
[bestfitness bestindex]=min(individuals.fitness);
bestchrom=individuals.chrom(bestindex,:);  %最好的染色体
avgfitness=sum(individuals.fitness)/sizepop; %染色体的平均适应度
% 记录每一代进化中最好的适应度和平均适应度
trace=[avgfitness bestfitness];

%% 迭代求解最佳初始阀值和权值
% 进化开始
for i=1:maxgen
    i
    % 选择
    individuals=Select(individuals,sizepop);
    avgfitness=sum(individuals.fitness)/sizepop;
    %交叉
    individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop,bound);
    % 变异
    individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,i,maxgen,bound);

    % 计算适应度
    for j=1:sizepop
        x=individuals.chrom(j,:); %解码
        individuals.fitness(j)=fun(x,inputnum,hiddennum,outputnum,net,inputn,outputn);   
    end

  %找到最小和最大适应度的染色体及它们在种群中的位置
    [newbestfitness,newbestindex]=min(individuals.fitness);
    [worestfitness,worestindex]=max(individuals.fitness);
    % 代替上一次进化中最好的染色体
    if bestfitness>newbestfitness
        bestfitness=newbestfitness;
        bestchrom=individuals.chrom(newbestindex,:);
    end
    individuals.chrom(worestindex,:)=bestchrom;
    individuals.fitness(worestindex)=bestfitness;

    avgfitness=sum(individuals.fitness)/sizepop;

    trace=[trace;avgfitness bestfitness]; %记录每一代进化中最好的适应度和平均适应度

end
%% 遗传算法结果分析
figure(1)
[r c]=size(trace);
plot([1:r]',trace(:,2),'b--');
title(['适应度曲线  ' '终止代数=' num2str(maxgen)]);
xlabel('进化代数');ylabel('适应度');
legend('平均适应度','最佳适应度');
disp('适应度                   变量');
x=bestchrom;

%% 把最优初始阀值权值赋予网络预测
% %用遗传算法优化的BP网络进行值预测
w1=x(1:inputnum*hiddennum);
B1=x(inputnum*hiddennum+1:inputnum*hiddennum+hiddennum);
w2=x(inputnum*hiddennum+hiddennum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum);
B2=x(inputnum*hiddennum+hiddennum+hiddennum*outputnum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum);

net.iw{1,1}=reshape(w1,hiddennum,inputnum);
net.lw{2,1}=reshape(w2,outputnum,hiddennum);
net.b{1}=reshape(B1,hiddennum,1);
net.b{2}=B2;

%% BP网络训练
%网络进化参数
net.trainParam.epochs=100;
net.trainParam.lr=0.1;
%net.trainParam.goal=0.00001;

%网络训练
[net,per2]=train(net,inputn,outputn);

%% BP网络预测
%数据归一化
inputn_test=mapminmax('apply',input_test,inputps);
an=sim(net,inputn_test);
test_simu=mapminmax('reverse',an,outputps);
error=test_simu-output_test;

2 条回复


煎熬TNT 发表于 2021-11-23 11:28:51
您好,我现在也碰到这一样的问题了,单纯的使用bp神经网络就不会报错,只要调用遗传算法就会出错。调整算法好几天,都不能解决,完全不知道如何解决,如果您有思路或者想法,能与我交流一下嘛,非常感谢您

jingyanmei 发表于 2021-11-25 11:26:29
煎熬TNT 发表于 2021-11-23 11:28
您好,我现在也碰到这一样的问题了,单纯的使用bp神经网络就不会报错,只要调用遗传算法就会出错。调整算法 ...

您好,您的问题解决了吗
您需要登录后才可以回帖 登录 | 注册

本版积分规则

相关帖子
相关文章
热门教程
站长推荐
快速回复 返回顶部 返回列表