nninit_test.m

遗传算法优化小波神经网络的源程序: 1.构造的非线性函数: 位于nninit_test.m 2.直接用WNN逼近非线性:Wnn_test.m, (内部调用小波函数) 3.遗传算法优化后逼近 :

function [P,T,R,S1,S2,S ,Q]=nninit_test
p=[1 0 0 0 0;
   1 0 0 0 1;
   1 1 0 0 1;
   1 0 1 0 0;
   1 0 0 1 0;
   1 0 0 0 1;
   0 1 0 0 0;
   0 0 1 0 0;
   0 0 0 1 0;
   0 0 0 0 1;
   0 1 1 1 1;
   0 0 1 1 1;
   0 0 0 1 1;
   0 0 0 0 1];
   t=[0 0 0 0;
     1 0 0 0;
     0 1 0 0;
     0 0 1 0;
     0 0 0 1;
     1 0 0 1;
     1 0 1 0;
     1 1 0 0; 
     1 1 0 1;
     0 1 1 0;
     0 1 1 1;
     0 1 0 1;
     1 0 1 1;
     1 1 1 1];
% wnn网络初始化:给出网络的训练样本P、T,
% 输入、输出数及隐含神经元数R,S2,S1
   xn(1)=0.4; a=1.6;
for e=1:3000
   xn(e+1)=1-a*xn(e).^2;    %非线性函数
end


 %%%%%%%%%%%%  相空间重构,  取中间的数据从1001个点开始
 m=5; tau=2;
data=xn(1001:1100); N_data=length(data); 
 M=N_data-(m-1)*tau;
 x=zeros(M,m);
for i=1:M
    for j=1:m
        x(i,j)=data(i+(j-1)*tau);
    end
end
P=x';                     %输入样本
 
T=xn(1002:1002+M-1);      %输出样本

[R,Q]=size(P);
[S2,Q]=size(T);
S1=6;
S=R*S1+S1*S2+S1+S1; % 遗传算法编码长度   S1,S2是偏置