sarstestdata.m

该程序用遗传算法对人工神经网络进行优化

        dmat(i,columntmp-1)=dmat(i,columntmp-1)*5.0;
    end
end
testdat=dmat(:,5:columntmp);
testdat=unitay(testdat,0);
trainweight
[length column]=size(testdat);
for i=1:length
    output1(i,:)=f(testdat(i,:)*w1'+b1');
    output2(i)=f(output1(i,:)*w2'+b2');
end

%运行后的最终结果为(注意：运行时请先将结果删除)
   0.3663
    0.2937
    0.3468
    0.3022
    0.3392
    0.3381
    0.2543
    0.2681
    0.3043
    0.2541
    0.2135
    0.1324
    0.2762
    0.3168
    0.2627
    0.2854
    0.3016
    0.1106
    0.1426
    0.1810
    0.2037
    0.1781
    0.1238
    0.2435
    0.2062
    0.2968
    0.2659
    0.3192
    0.3074
    0.3251
    0.2244
    0.1825
    0.1825
    0.1801
    0.2377
    0.2842
    0.3101
    0.3047
    0.3393
    0.2710
    0.2891
    0.2565
    0.3050
    0.3121
    0.3005
    0.2777
    0.3234
    0.3584
    0.3433
    0.2632
    0.2584
    0.2651
    0.3002
    0.4245
    0.3092
    0.2401
    0.3053
    0.2326
    0.2706
    0.2769
    0.1763
    0.1984
    0.1850
    0.1736
    0.2661
    0.3497
    0.3644
    0.4601
    0.2618
    0.3445
    0.3276
    0.3910
    0.3443
    0.2199
    0.2969
    0.3147
    0.2863
    0.2299
    0.1933
    0.2818
    0.2749
    0.2726
    0.3881
    0.3517
    0.3628
    0.3245
    0.2510
    0.3487
    0.3603
    0.2323
    0.3631
    0.1638
    0.2635
    0.3923
    0.3124
    0.3573
    0.3379
    0.2637
    0.2418
    0.1948
    0.1997
    0.3255
    0.2024
    0.2693
    0.2608
    0.2563
    0.2628
    0.3500
    0.3382
    0.3584
    0.3280
    0.2097
    0.2580
    0.2711
    0.2385
    0.2733
    0.2353
    0.3342
    0.2567
    0.3683
    0.3829
    0.2625
    0.3571
    0.3567
    0.3629
    0.4670
    0.5185
    0.6138
    0.2398
    0.2426
    0.3527
    0.3698
    0.2677
    0.2683
    0.3691
    0.2944
    0.3162
    0.2545
    0.2404
    0.2005
    0.3194
    0.2331
    0.2475
    0.2928
    0.3933
    0.4677
    0.5513
    0.3301
    0.3378
    0.3808
    0.3648
    0.3394
    0.4306
    0.3955
    0.3358
    0.4103
    0.3045
    0.3938
    0.4545
    0.3831
    0.2780
    0.3771
    0.1950
    0.3244
    0.2628
    0.2809
    0.2161
    0.2117
    0.2283
    0.2007
    0.2361
    0.2963
    0.2391
    0.2033
    0.2094
    0.2674
    0.2554
    0.2303
    0.2561
    0.2818
    0.2544
    0.2689
    0.2326
    0.2089
    0.2403
    0.2785
    0.2764
    0.2691
    0.2753
    0.2722
    0.2376
    0.2722
    0.2688
    0.3606
    0.3031
    0.3315
    0.2804
    0.2829
    0.2937
    0.3182
    0.3528
    0.3845
    0.3799
    0.4044
    0.3848
    0.3583
    0.3620
    0.3413
    0.2937
    0.2905
    0.2964
    0.2369
    0.3229
    0.3013
    0.3583
    0.3178
    0.2962
    0.3019
    0.2768
    0.2418
    0.2486
    0.3655
    0.3576
    0.4117
    0.3400
    0.3380
    0.3659
    0.3123
    0.3589
    0.2813
    0.2952
    0.3152
    0.2767
    0.2450
    0.2731
    0.2554
    0.2527
    0.2888
    0.3183
    0.2225
    0.2992
    0.2732
    0.2763
    0.3456
    0.3606
    0.3575
    0.3278
    0.3363
    0.2871
    0.3435
    0.2101
    0.2031
    0.2112
    0.2611
    0.3415
    0.3151
    0.1916
    0.2904
    0.1849
    0.2010
    0.1663
    0.2089
    0.1934
    0.2199
    0.2250
    0.2578
    0.2141
    0.1912
    0.2165
    0.2840
    0.2965
    0.2657
    0.2545
    0.1758
    0.2279
    0.1850
    0.2049
    0.1788
    0.2221
    0.3093
    0.3437
    0.3475
    0.3023
    0.3565
    0.3697
    0.3288
    0.2977
    0.3395
    0.3454
    0.2888
    0.2899
    0.2854
    0.2576
    0.3001
    0.2674
    0.2846
    0.2916
    0.3159
    0.2433
    0.2438
    0.2309
    0.2203
    0.2991
    0.3308
    0.3218
    0.2853
    0.2806
    0.3532
    0.3526
    0.2695
    0.2788
    0.3555
    0.3365
    0.3070
    0.3194
    0.2823
    0.2851
    0.2627
    0.2377
    0.2593
    0.2346