本人是模糊神經網絡初學者，最近在研究模糊神經網絡的程序，需要應用到論文中，求大神們給個程序。另外下面是我從網上下載的程序代碼，但是不知道這個利用K-means法得到的模糊規則個數是何意，求解，謝謝啦~

ECHO 處于關閉狀態。

clc

tic,

%[x,y]=data;

x=[1 1 1;

1 2 3];

y=[2 3 4]; %%%%%--數據顯示，輸入為－兩輸入，輸出為－單輸出。--------樣本為p2組

[p1,p2]=size(x);

%－ 一。首先要對樣本進行聚類分析，以此來確定模糊規則個數。利用K-means法對樣本聚類。

%????此處的K－ means 法待加

%－ 二。建立模糊推理系統

% 隸屬度函數個數-－模糊規則個數

k=5;

% 初始化四個隸屬度函數的參數A,B及輸出層初始權值W

for i=1:p1;

for j=1:k;

m(i,j)=1+0.6*rands(1);

b(i,j)=1+0.6*rands(1);

end

end

for j=1:k;

w(j)=100+rand(1);

end

%%%---推理計算輸出值

for q=1:p2;

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%-----用同一隸屬度參數對 輸入樣本 X 累計計算

% 選用高斯函數作為隸屬度，求隸屬度，共 size(x,2)+k 個。x(1) K個，x(2) K個

for i=1:p1;

for j=1:k;

u(i,j)=gaussmf(x(i,q),[m(i,j),b(i,j)]);

end

end

% 模糊推理計算：a21,a22.幾個隸屬度函數，得出幾個值，本例中兩個.

%%%%----由以前的取小做法改為相乘—prod(x,1) or prod(x,2)———

for i=1:k;

v(i)=1;

j=1;

while j<=p1;

v(i)=v(i)*u(j,i);

j=j+1;

end

end

% 歸一化計算模糊推理的值；相當于已經除去了經典去模糊輸出的分母值

%for i=1:k;

%a3(i)=a2(i)/sum(a2);

%end

% 系統輸出

out1(q)=w*v';

e(q)=(y(q)-out1(q));

end

out=out1

%－ 三。參數修正過程。 增加方式，非批處理方式迭代

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%－－－－－－－－---------------------誤差反向傳播過程－－－-----------------------------------------

% 取誤差函數：E＝(1/2)*sumsqr(t-y)

E=(1/2)*sumsqr(y-out)

EE=E;

e

% e=sum(y-out)

lr=0.3; % c2=zeros(2,2);

%%%%----------------------------------------誤差反傳后的參數修正過程-------------------

r=1;

p=1;

s=1000;

while p<=s & EE>1e-10

%%%%%%%%%%%%%_____隸屬度參數 M. B 輸出層權值參數 W 的修正過程_____%%%%%%%%%%%%

%%1.--W

wc=zeros(1,k);

for i=1:k;

wc(i)=lr*e(r)*v(i);

end

%%2.--M

mc=zeros(p1,k);

for i=1:p1;

for j=1:k;

mc(i,j)=2*lr*e(r) * w(j) * (v(j)/u(i,j)) * exp(-((x(i,r)-m(i,j)).^2)/(b(i,j).^2))* (x(i,r)-m(i,j))/(b(i,j).^2);

end

end

%%3.--B

bc=zeros(p1,k);

for i=1:p1;

for j=1:k;

bc(i,j)=2*lr*e(r)* w(j) * (v(j)/u(i,j)) * exp(-((x(i,r)-m(i,j)).^2)/(b(i,j).^2)) * ((x(i,r)-m(i,j)).^2)/(b(i,j).^3);

end

end

% 4.參數修正 m b w

m=m+mc;

b=b+bc;

w=w+wc;

%%%%%%%%%%%_______利用修正后的參數重新計算_____________%%%%%%%%%%%%%%%%%%%%%

% 5.利用修正過的參數重新計算輸出

for q=1:p2;

for i=1:p1;

for j=1:k;

u(i,j)=gaussmf(x(i,q),[m(i,j),b(i,j)]);

end

end

for i=1:k;

v(i)=1;

j=1;

while j<=p1;

v(i)=v(i)*u(j,i);

j=j+1;

end

end

out1(q)=w*v';

end

out=out1;

p=p+1;

EE=(1/2)*sumsqr(y-out);

E(p)=EE;

r=r+1;

if r>p2

r=1;

end

e(r)=(y(r)-out(r));

end

%%%%%%%%%%%%%%%%%%%________________當誤差或迭代步數滿足要求后得到結果_________________%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

m,b,w,E_out=EE,e

epoch=1:size(E,2);

figure

plot(epoch,E,'-r');

axis([0 1.5*s min(E) max(E)]);

set(gca,'fontsize',8);

set(gca,'xtick',0:s/10:1.5*s);

%set(gca,'ytick',1e-30:1e5:1e5);

%set(gcf,'color','b')

title('誤差變化曲線');xlabel('步數');ylabel('誤差');

toc

總結

以上是生活随笔為你收集整理的模糊神经网络 matlab,模糊神经网络程序代码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。