m10_3.m

MATLAB控制系统仿真与实例详解（附书光盘）

P=[1.0   1.5   1.2  -0.3
  -1.0   2.0   3.3  -0.5
   2.0   1.0  -1.6   0.9];
T=[0.5   3.0  -2.2   1.4
   1.1  -1.2   1.7  -0.4
   3.0   0.2  -1.8  -0.4
  -1.0   0.1  -1.0   0.6];
[Q,R]=size(P);
[S,Q]=size(T);
lr=0.9*maxlinlr(P);                %最佳学习率
net=newlin(minmax(P),S,[0],lr);    %创建线性网络
net.inputWeights{1,1}.initFcn='rands';  %初始化权值
net.biases{1}.initFcn='rands';      %初始化偏差
net=init(net);    %把初始化的权值和偏差函数赋给网络
W0=net.iw{1,1}    %显示初始化权值和阈值
B0=net.b{1}
A0=sim(net,P)
e0=T-A1       %求训练前网络的输出误差
sse0=(sumsqr(e0))/(S*Q);     %求误差平方和的平均值
fprintf('Before training ,sum squrared error=%g.\n',sse0);       %显示训练前网络的均方差
net.trainParam.epochs=400;    %最大循环次数
net.trainParam.goal=0.0001;   %期望误差
[net,tr]=train(net,P,T); %进行线性自适应网络权值的训练
W=net.iw{1,1}       %显示训练好的初始化权值和偏差
B=net.b{1}
A=sim(net,P)
e=T-A2
sse=(sumsqr(e))/(S*Q);  %求误差平方和的平均值
fprintf('after training ,sum squrared error=%g.\n',sse) ;       %显示训练后网络的均方差