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;
& H- e' f4 ?9 h% m$ I9.6 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;
8 k$ l7 T1 G% w5 R, x7 W3 @8 I2.15 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;
3 y! m' e6 I# N5 S( ^9 z2.8 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];
& s' A9 [2 ]: c& @, r" R! ]" YT=[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);
8 e) H' W8 l! p0 R%创建网络
net=newff(minmax(P),[8,6,1];{'tansig','tansig','purelin'};'trainlm');
( }9 i: R" V- g8 O9 f8 Q1 W%设置训练次数
net.trainParam.epochs = 5000;
5 m* g% q3 |! {  g" u! M; h%设置收敛误差
* p9 L" f$ ^, x% C+ R+ ynet.trainParam.goal=0.0000001;
%训练网络
( l7 b0 |" c) C4 ~: \' @[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
4 a2 ~3 D4 l+ t* HTRAINLM, PeRFormance goal met.

3 C$ E1 ?7 d& ]%输入数据
& d4 H4 s4 R% w' k3 y0 ua=[3.0;9.3;3.3;2.05;100;2.8;11.2;50];
; c; {6 C2 K- `  b( H$ t  d- [%将输入数据归一化
, c% n1 i" C- M) F! a* Q& b' Oa=premnmx(a);
6 G2 Q$ W# u. O7 Y; w%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
+ Z; Q7 g5 ^0 K& h" q& U/ Jc=postmnmx(b,mint,maxt);
5 N# Q8 [/ u, oc;
2 f# r% l1 N2 m( r5 I8 s9 r( ^. c- w

youOK

help ,哈哈哈

uperrua

仅供参考
1 a; w# X. m4 Z7 [+ ^, _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 _- F! ^& j' V/ U# Z& s. m9.6 10.3 9 10.3 10.1 10 9.6 9 9.6 9.2 9.5 9 9.5 9.7;
& \5 H% m5 [8 ]) t. n3.45 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;
7 [' e& M/ s  ?7 p% g) p2.15 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;
5 ]. c0 y0 T$ K. L; i  Y5 _- I$ U6 D2.8 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;
0 l' h- X9 A9 l( {) I  e3 j11 10.9 11.4 10.8 1.3 11.5 11.8 11.3 11.8 11 11.9 13 11.1 10.85;
3 v- G1 I: f5 [) a0 q4 n9 t50 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];
- O1 F# [0 x7 ?0 z. v# 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');
4 ?4 W& n& G: E* G%设置训练次数
, g! T& C' l* Mnet.trainParam.epochs = 5000;
) x8 m( |4 }9 |  H$ p%设置收敛误差
net.trainParam.goal=0.0000001;
%训练网络
[net,tr]=train(net,p1,t1);
% `& e: k. o7 v6 x* M% TRAINLM, Epoch 0/5000, MSE 0.533351/1e-007, Gradient 18.9079/1e-010
7 r0 a& Y! l& O- l% TRAINLM, Epoch 24/5000, MSE 8.81926e-008/1e-007, Gradient 0.0022922/1e-010
# |: D/ t* c- K% h( f( H( Q" c' T% TRAINLM, Performance goal met.

4 D( I- w  P2 a5 r& f%输入数据
! q7 F- z; }  Q) z" \' y2 E" @7 x$ U) Ra=[3.0;9.3;3.3;2.05;100;2.8;11.2;50];
%将输入数据归一化
: w- G0 g- P: e1 s% R' Ta=premnmx(a);
%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
c=postmnmx(b,mint,maxt);
c;