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;
9.6 10.3 9 10.3 10.1 10 9.6 9 9.6 9.2 9.5 9 9.5 9.7;
# H0 f6 ]# F  ]) J3.45 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;
2.15 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;
% f0 M/ {2 H# b% ?& z) f2.8 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];
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];
[p1,minp,maxp,t1,mint,maxt]=premnmx(P,T);
8 U+ G7 O( Y' t( X! y+ y%创建网络
net=newff(minmax(P),[8,6,1];{'tansig','tansig','purelin'};'trainlm');
  T. A$ D( _7 B# {) Z3 b8 I+ ~%设置训练次数
# N7 z" c, c! O6 `" Cnet.trainParam.epochs = 5000;
%设置收敛误差
* f6 a  V- u6 u+ F* anet.trainParam.goal=0.0000001;
- B0 O2 |6 Z6 d+ {) `%训练网络
[net,tr]=train(net,p1,t1);
9 t$ F6 C# e! ~; B. I- LTRAINLM, Epoch 0/5000, MSE 0.533351/1e-007, Gradient 18.9079/1e-010
4 H, f2 Y; T  ?* V7 e2 nTRAINLM, Epoch 24/5000, MSE 8.81926e-008/1e-007, Gradient 0.0022922/1e-010
TRAINLM, PeRFormance goal met.
# K* B3 v  \2 H0 `  j) T9 X8 j" ?
%输入数据
/ o2 a' }( n& X1 ~a=[3.0;9.3;3.3;2.05;100;2.8;11.2;50];
%将输入数据归一化
a=premnmx(a);
%放入到网络输出数据
  w1 `, `- n$ _  _, V& b4 D" B+ ?: Pb=sim(net,a);
%将得到的数据反归一化得到预测数据
! P8 z2 G3 D! y5 oc=postmnmx(b,mint,maxt);
c;
$ Y; r& `$ Z" F5 N$ M/ g* B

youOK

help ,哈哈哈

uperrua

仅供参考
1 d6 L& i3 H/ ]( A2 M8 S3 q6 \0 z8 UP=[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;
- v% S4 C% e7 ?; A. U9.6 10.3 9 10.3 10.1 10 9.6 9 9.6 9.2 9.5 9 9.5 9.7;
: h: b% a7 E# Z' G5 H, G: f: a: _  J$ O3.45 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;
2.15 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;
2.8 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;
$ j& L- z; a& s/ ^, m11 10.9 11.4 10.8 1.3 11.5 11.8 11.3 11.8 11 11.9 13 11.1 10.85;
" U- D; [9 e' h5 Y; W6 F. Y50 70 50 80 50 60 65 40 65 50 50 50 70 70];
- T3 N( m. v- u9 M& u0 e  E) _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];
[p1,minp,maxp,t1,mint,maxt]=premnmx(P,T);
%创建网络
3 H  @! F& c% d" W) ?* E& knet=newff(minmax(P),[8,6,1],{'tansig','tansig','purelin'},'trainlm');
' \6 B4 L3 K* V- G$ p%设置训练次数
net.trainParam.epochs = 5000;
2 K6 o% B. g. q%设置收敛误差
net.trainParam.goal=0.0000001;
%训练网络
4 |' L" r9 t% J) `6 C[net,tr]=train(net,p1,t1);
' |+ e% h1 x% O2 w6 W" E8 X* t2 f% 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
% TRAINLM, Performance goal met.

* X! X7 K. Y6 N7 {%输入数据
a=[3.0;9.3;3.3;2.05;100;2.8;11.2;50];
# r) v+ ?- l4 {%将输入数据归一化
$ P& F( G1 d( ?  ~a=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
" x3 y, \$ j1 w  {2 yc=postmnmx(b,mint,maxt);
c;