请选择 进入手机版 | 继续访问电脑版
楼主: ss柯南ss
7850 1

求助!为什么MATLAB提示未定义与 'double' 类型的输入参数相对应的函数 'Code'。 [推广有奖]

  • 3关注
  • 1粉丝

博士生

18%

还不是VIP/贵宾

-

威望
0
论坛币
10679 个
通用积分
0.7264
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
2184 点
帖子
58
精华
0
在线时间
403 小时
注册时间
2017-4-2
最后登录
2024-4-17

ss柯南ss 发表于 2018-5-16 17:04:30 |显示全部楼层 |坛友微信交流群

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
求助!为什么MATLAB提示未定义与 'double' 类型的输入参数相对应的函数 'Code'。
下边是代码:
clc  
clear  
%   
%% 网络结构建立  
%节点个数  
inputnum=19;  
hiddennum=7;  
outputnum=2;  

%训练数据和预测数据  
input_train=xlsread('train_input.xlsx');  
input_test=xlsread('train_output.xlsx');  
output_train=xlsread('train_input.xlsx');  
output_test=xlsread('train_output.xlsx');  

%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;

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝


siliconMagic 发表于 2018-6-13 18:49:50 |显示全部楼层 |坛友微信交流群
你输入的数据类型不是double啊,仔细看下

使用道具

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加JingGuanBbs
拉您进交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-4-19 07:36