模糊神经 超详细注释 可实现多输入多输出

%% 该代码为基于模糊神经网络的水质评价代码
%
% 
% 			该案例作者申明：		1：本人长期驻扎在此板块里，对该案例提问，做到有问必答。本套书籍官方网站为：video.ourmatlab.com		2：点此从当当预定本书：《Matlab神经网络30个案例分析》。	3：此案例有配套的教学视频，视频下载方式video.ourmatlab.com/vbuy.html。 
								4：此案例为原创案例，转载请注明出处（《Matlab神经网络30个案例分析》）。							5：若此案例碰巧与您的研究有关联，我们欢迎您提意见，要求等，我们考虑后可以加在案例里。			
% 
%% 清空环境变量
clc
clear

%% 参数初始化
xite=0.001;
alfa=0.05;

%网络节点
I=6;   %输入节点数
M=12;  %隐含节点数
O=1;   %输出节点数

%系数初始化
p0=0.3*ones（M1）;p0_1=p0;p0_2=p0_1;
p1=0.3*ones（M1）;p1_1=p1;p1_2=p1_1;
p2=0.3*ones（M1）;p2_1=p2;p2_2=p2_1;
p3=0.3*ones（M1）;p3_1=p3;p3_2=p3_1;
p4=0.3*ones（M1）;p4_1=p4;p4_2=p4_1;
p5=0.3*ones（M1）;p5_1=p5;p5_2=p5_1;
p6=0.3*ones（M1）;p6_1=p6;p6_2=p6_1;

%参数初始化
c=1+rands（MI）;c_1=c;c_2=c_1;
b=1+rands（MI）;b_1=b;b_2=b_1;

maxgen=100; %进化次数

%网络测试数据，并对数据归一化
load data1 input_train output_train input_test output_test

%选连样本输入输出数据归一化
[inputninputps]=mapminmax（input_train）;
[outputnoutputps]=mapminmax（output_train）;
[nm]=size（input_train）;

%% 网络训练
%循环开始，进化网络
for iii=1:maxgen
    iii;
    for k=1:m        
        x=inputn（:k）;
        
        %输出层结算
        for i=1:I
            for j=1:M
                u（ij）=exp（-（x（i）-c（ji））^2/b（ji））;
            end
        end
        
        %模糊规则计算
        for i=1:M
            w（i）=u（1i）*u（2i）*u（3i）*u（4i）*u（5i）*u（6i）;
        end    
        addw=sum（w）;
        
        for i=1:M
            yi（i）=p0_1（i）+p1_1（i）*x（1）+p2_1（i）*x（2）+p3_1（i）*x（3）+p4_1（i）*x（4）+p5_1（i）*x（5）+p6_1（i）*x（6）;
        end
        
        addyw=yi*w‘;
        %网络预测计算
        yn（k）=addyw/addw;
        e（k）=outputn（k）-yn（k）;
        
        %计算p的变化值
        d_p=zeros（M1）;
        d_p=xite*e（k）*w./addw;
        d_p=d_p‘;
        
        %计算b变化值
        d_b=0*b_1;
        for i=1:M
            for j=1:I
                d_b（ij）=xite*e（k）*（yi（i）*addw-addyw）*（x（j）-c（ij））^2*w（i）/（b（ij）^2*addw^2）;
            end
        end  
        
        %更新c变化值
        for i=1:M
            for j=1:I
                d_c（ij）=xite*e（k）*（yi（i）*addw-addyw）*2*（x（j）-c（ij））*w（i）/（b（ij）*addw^2）;