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;
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 M6 e& ?3 K, J/ a2.15 2.2 2.2 2.2 2 2.15 2.14 2.1 2.1 2.1 2.15 2 2.1 2.15;
- |1 t( h) [) a: C; Z% ~# [140 120 140 150 80 130 130 100 130 140 115 80 90 130;
/ x6 E+ W, y7 T  E9 N2.8 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;
3 b; h) {1 @. r; o/ Z11 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];
+ Q! H/ V: c2 V+ S* T' @  _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];
& q% I5 G) S$ W& y[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
! B8 {# a' q& n/ ^net.trainParam.goal=0.0000001;
6 u3 m, @, K* e6 L0 `) x; U  O%训练网络
[net,tr]=train(net,p1,t1);
; m6 N/ z: B3 q: jTRAINLM, Epoch 0/5000, MSE 0.533351/1e-007, Gradient 18.9079/1e-010
+ ]& }% @+ }) n' Q$ o0 U9 M8 L' V2 L! BTRAINLM, Epoch 24/5000, MSE 8.81926e-008/1e-007, Gradient 0.0022922/1e-010
0 E8 g+ s; B  X/ C- P8 z1 C& NTRAINLM, PeRFormance goal met.

$ D1 _# k; Z  V" e* l%输入数据
1 g7 B: f! T3 W0 |& y; S( c, ma=[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
1 ?. q5 q* N. Z' L' _; ]* k4 Cb=sim(net,a);
%将得到的数据反归一化得到预测数据
c=postmnmx(b,mint,maxt);
& U6 E/ X  @1 D1 d1 p& w& Y* Dc;
" R/ L+ K$ Q- r2 b4 r1 D. Q# f4 \

youOK

help ,哈哈哈

uperrua

仅供参考
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;
5 }1 P$ C9 w; r" V3.45 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;
7 h8 f$ G4 j& P0 E9 a1 ~" m& `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];
' e- t1 U( b: a# M1 P2 I: \# hT=[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);
$ B7 \# l1 p% R0 J. ?%创建网络
- m2 t8 @% b& ^1 G- k9 @5 _net=newff(minmax(P),[8,6,1],{'tansig','tansig','purelin'},'trainlm');
%设置训练次数
+ k* Q( g3 D- F( @; c1 Fnet.trainParam.epochs = 5000;
%设置收敛误差
net.trainParam.goal=0.0000001;
! ~& Q- b* Q6 i% s%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
  R; `$ R! ?# S9 T' {  M% TRAINLM, Performance goal met.

0 f2 ^, O3 @: y- |' y; _%输入数据
a=[3.0;9.3;3.3;2.05;100;2.8;11.2;50];
9 N4 k/ p' x) v9 n' ?%将输入数据归一化
a=premnmx(a);
%放入到网络输出数据
b=sim(net,a);
$ z4 s7 S$ b9 `%将得到的数据反归一化得到预测数据
c=postmnmx(b,mint,maxt);
7 e* z- f0 b* ~c;