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;
5 d6 {; d: q8 ?% q9.6 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;
& F! o! `' L* p6 d& j& \7 D2.15 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;
" S; M; L; V/ m0 _' D. M% L% H2.8 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;
, @1 D, t! S5 X, k( E4 j50 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];
* N4 S+ L6 H' w+ F2 J' x, [; E[p1,minp,maxp,t1,mint,maxt]=premnmx(P,T);
/ T# D5 T- {2 Q+ S9 \, O& u: H%创建网络
5 i7 I, w0 k( x$ U& ^/ v5 ?# A- ~net=newff(minmax(P),[8,6,1];{'tansig','tansig','purelin'};'trainlm');
' t) @$ B. r* [0 N! K5 ?: ?" r9 z+ c3 M%设置训练次数
net.trainParam.epochs = 5000;
%设置收敛误差
net.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
! @3 e9 ~" a: V8 n- mTRAINLM, Epoch 24/5000, MSE 8.81926e-008/1e-007, Gradient 0.0022922/1e-010
9 P' K$ p" w2 L$ V; K" zTRAINLM, PeRFormance goal met.

%输入数据
a=[3.0;9.3;3.3;2.05;100;2.8;11.2;50];
5 p* A* G' _6 ^2 {# y. F) q%将输入数据归一化
5 `; S( o6 h/ ~" V; x/ Va=premnmx(a);
%放入到网络输出数据
) S/ a. n2 \7 p: j0 `0 zb=sim(net,a);
& u& ^4 E2 L2 C* x, ?9 |: }%将得到的数据反归一化得到预测数据
c=postmnmx(b,mint,maxt);
5 ?4 s3 ]9 K6 W7 C: b4 Sc;
6 W9 C$ k- }* ?3 k# d/ V) s

youOK

help ,哈哈哈

uperrua

仅供参考
' C" S* ~7 B$ E3 [& X9 l1 {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;
" }, E0 V# a! [* k8 q2.15 2.2 2.2 2.2 2 2.15 2.14 2.1 2.1 2.1 2.15 2 2.1 2.15;
. n0 _2 G- \9 K) E* N' ^140 120 140 150 80 130 130 100 130 140 115 80 90 130;
+ u8 B: }: g' K, ~& g2.8 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];
: k" }+ m' Q3 D" f- BT=[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
1 x# _/ y) N' w0 v) K' {, Cnet=newff(minmax(P),[8,6,1],{'tansig','tansig','purelin'},'trainlm');
%设置训练次数
net.trainParam.epochs = 5000;
: G# v5 a9 N$ N, F7 ]7 |9 o%设置收敛误差
net.trainParam.goal=0.0000001;
; b2 X5 D* W6 `2 l2 U# P; M%训练网络
6 o! R/ x) L' b7 [# e7 ~[net,tr]=train(net,p1,t1);
' M+ a% r/ O" x7 B/ m% TRAINLM, Epoch 0/5000, MSE 0.533351/1e-007, Gradient 18.9079/1e-010
0 H' {( o* b9 X0 p, H9 s7 q% TRAINLM, Epoch 24/5000, MSE 8.81926e-008/1e-007, Gradient 0.0022922/1e-010
% TRAINLM, Performance goal met.

3 \5 }$ p* f9 \8 i%输入数据
# h6 d" S0 u4 `+ |! ga=[3.0;9.3;3.3;2.05;100;2.8;11.2;50];
! n1 t. s+ Q/ T1 \' o6 T& ]( q%将输入数据归一化
; F0 t, q' Z& Ma=premnmx(a);
: D8 D$ O% O0 {, L4 `" l' b%放入到网络输出数据
, J1 j/ s" Y$ Ab=sim(net,a);
( o0 Q/ |5 G/ c%将得到的数据反归一化得到预测数据
! {0 R/ A9 r; ~; X2 ~  gc=postmnmx(b,mint,maxt);
c;