r神工具箱

1. 用MATLAB做的模糊神經網路代碼

您好，是這樣的：
經過訓練後的參數比較差，用原數據輸入訓練好的網路，得出結果和要的結果誤差很大，不明白是怎麼回事？

還有要是多輸入多輸出這段程序該怎麼改？模糊神經網路可以用matlab工具箱實現嗎？

還有輸入數據差別比較大（就是大小差異大）是不是要進行歸一化再學習訓練呢？

求解，求解答！

對於你的幫助不勝感激！

clear all
clc
close all
tic,
%[x,y]=data;
x=[1 2 3 4 5 6 7 8;
-1 -2 -3 -4 -5 -6 -7 -8];
y=[2 3 4 5 6 7 8 9]; %%%%%--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);

% 隸屬度函數個數
k=7;
% 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*rand(1);
b(i,j)=1+0.6*rand(1);
end
end
for j=1:k*k;
w(j)=1+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，此處已知輸入為2
%%%%----由以前的取小做法改為相乘—prod(x,1) or prod(x,2)———
v=[];
for i=1:k
for j=1:k
v=[v,u(1,i)*u(2,j)];
end
end

% 歸一化計算模糊推理的值；相當於已經除去了經典去模糊輸出的分母值
for i=1:length(v);
v1(i)=v(i)/sum(v);
end
% 系統輸出
% out1(q)=w*v';
% e(q)=(y(q)-out1(q));
% end
% out=out1
out1(q)=w*v1';
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=sum(y-out)
lr=0.3; % c2=zeros(2,2);
%%%%----------------------------------------誤差反傳後的參數修正過程-------------------
r=1; %
p=1;
s=1000; %
% e(r)=y(r)-out(r);
while p<=s & EE>0.05
%%%%%%%%%%%%%_____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*k);
for i=1:k*k;
wc(i)=-lr*e(r)*v1(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;
%%%%%%%%%%%_______利用修正後的參數重新計算_____________%%%%%%%%%%%%%%%%%%%%%
% 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
v=[];
for i=1:7
for j=1:7
v=[v,u(1,i)*u(2,j)];
end
end

% 歸一化計算模糊推理的值；相當於已經除去了經典去模糊輸出的分母值
for i=1:length(v)
v1(i)=v(i)/sum(v);
end
out1(q)=w*v1';
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後得到結果_________________%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
m,b,w,E_out=EE,e
epoch=1:size(E,2);
figure
plot(epoch,E,'-r');
% plot(epoch,out(1),'b');
% 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
%% %% 泛化過程

2. 運行遺基於遺傳演算法的BP神經網路MATLAB代碼程序時總是出錯！！！

請確認自己安裝了goat（下載-解壓-File-set path-add with subfolders-save(別忘了)-close）。
按照錯誤提示來說是系統無法找到nitializega等函數，說明沒有將函數所在目錄添加進path

3. 牧場物語礦石鎮的夥伴們怎麼獲得神奇菜單和神奇手套

那你得去下載改版來的就是魔女版的那個自版本，去山頂找魔女，回家後就會觸發女神劇情，然後她會給你神奇手套和神奇菜單。

A:增加DS牧場物語中的魔女，並且發生劇情。
B:增加神奇菜單功能，發生女神劇情後可以得到，得到神奇菜單後可以按L+R鍵開啟菜單，菜單內容有：
1、在任何地方都可以打開工具箱；
2、調節小鎮上所有人物的好感度，所有女生（包括女神）的愛情度；
3、瞬間移動到任何地點；
4、本HACK版的功能說明。
C:游戲時間拖慢一倍，讓玩家有足夠的時間賺錢。
D:神奇手套功能，這個不用多說了，拿起東西隨便丟就可以遠程丟入出貨箱（在礦洞不可用）

4. 最恐怖的游戲是什麼游戲

最恐怖的游戲是《生化危機》、《永恆的黑暗》、《零：紅蝶》、《鍾樓》。

1、《生化危機》

作為恐怖流游戲真正意義上的經典之作，盡管《生化危機》有著各代評價褒貶不一，近年來逐步淪為「站樁射擊流」模式等等諸多弊端，卻還是不那麼妨礙它成為經典。

這里不得不提到的是《生化危機》的初代。因為初代是真正意義上的恐怖流游戲，有趣的是，當時玩家做的只是被僵屍追著四處亂竄，並非像現在這樣，追著僵屍滿地圖殺。大概所有玩過初代游戲的玩家都會記得這一幕：游戲一開場進入到第一個僵屍場景時，那位沖你回眸一笑的僵屍。多年以後，這甚至被玩家認為是最恐怖的游戲場景之一。

4、《鍾樓》

說到真正恐怖的經典游戲，不能不提到《鍾樓》這款作品，在許多歐美玩家眼中，《鍾樓》在「恐怖界」有著超乎尋常的地位。需要注意的是，游戲中分布著許多變態侏儒，對玩家來說他們極其難以甩掉，事實上這也是為什麼絕大多數恐怖游戲基本上都伴隨著「生存」這個繞不開的主題。

都說恐怖游戲是嚇人的，是刺激的，有時候甚至是沒有節操的，然而這一切的體驗之所以能成功，全都是建立在你還有命去拼的基礎上，否則在本作中你將被侏儒們毫不猶豫的斬成兩截，這可不是什麼好事。

除了要警惕變態侏儒，玩家們還需要解決各種迷題。就像80年代的恐怖電影一樣，恐怖的音樂時抑時揚。原本開著的電燈閃爍幾下後熄滅；懸在屋頂的燈飾突然毫無徵兆地砸下來。