求助：圆括号或方括号不对称或异常，怎么办？

beachsun

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;
' g+ L- L- M8 @( F9.6 10.3 9 10.3 10.1 10 9.6 9 9.6 9.2 9.5 9 9.5 9.7;
0 _4 l5 x6 f  k" D% `" X/ z* t3.45 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;
! y5 b+ b( X) Z4 Y' ^- m2.15 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 [& A# D! {9 b  F1 k2.8 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 1.3 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];
9 @" \  D- I" F, N# _: LT=[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];
9 x; W) G5 h' k) w% K( a- G[p1,minp,maxp,t1,mint,maxt]=premnmx(P,T);
! f% f8 v- U8 |%创建网络
" t' }" Y$ ?- A- ?( Lnet=newff(minmax(P),[8,6,1];{'tansig','tansig','purelin'};'trainlm');
; @1 }. v2 h6 e# C+ x& |4 {/ q%设置训练次数
net.trainParam.epochs = 5000;
%设置收敛误差
$ e! S6 Z6 p8 v2 @  }' C, Rnet.trainParam.goal=0.0000001;
%训练网络
" f  x( o7 `9 w! {- E: W* x[net,tr]=train(net,p1,t1);
$ E2 ]4 h  [& G/ P% r) f/ lTRAINLM, Epoch 0/5000, MSE 0.533351/1e-007, Gradient 18.9079/1e-010
6 j& i) Z/ E' h3 [3 U; Y* fTRAINLM, Epoch 24/5000, MSE 8.81926e-008/1e-007, Gradient 0.0022922/1e-010
. T3 I- }; [% k& ~$ \8 I+ E: cTRAINLM, 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
* q- t3 q: L8 g% f/ J2 b" Pa=premnmx(a);
5 ~7 S$ t% b# R$ {( v%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
  e7 c1 k5 D! e) M4 u! ]  q( rc=postmnmx(b,mint,maxt);
c;
, ?- @6 l  _7 _" a/ M

youOK

help ,哈哈哈

uperrua

仅供参考
2 b: ]) m. N% _2 FP=[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;
- u6 |# I) \  N1 @7 t9.6 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;
9 C1 n4 l# ]! `' Q8 @- e2.8 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 1.3 11.5 11.8 11.3 11.8 11 11.9 13 11.1 10.85;
; k# v% l- a  B/ g50 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;
# x8 T8 v# T" o& l5 ]: K  \%设置收敛误差
/ g1 X, Z$ g6 Z1 l' P9 @" G$ anet.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
6 U' _. W; M/ w0 e- {+ V" g1 J% TRAINLM, Performance goal met.

! b/ y$ g) F7 E, B: A; y# j. {. H8 D/ c%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);
$ W, `- J* |$ i8 S4 U9 u%放入到网络输出数据
$ Y) Y9 W5 D: @b=sim(net,a);
3 y4 i" g; X% H%将得到的数据反归一化得到预测数据
+ A% n# z% K$ ]2 sc=postmnmx(b,mint,maxt);
# @+ X8 U; ]3 W8 B5 L( {c;