newelm函数详解及Elman神经网络数据预测实例

第一次发表文章，如有侵权请通知我，谢谢！
newelm函数的使用格式为：
net = newelm(P,T, [S1…SN] , {TF1…TFN},BTF,BLF,PF,IPF,OPF)
输入参数如下：
P , RQ1矩阵，包含Q1个长度为R的典型输入向量。
T , SNQ2矩阵，包含Q2个长度为SN的典型目标向量，SN决定了输出向量的长度。
Si，N-1个隐含层包含的神经元个数，默认值为[]。
TFi，第i层传递函数，用字符串表示。对于输出层，默认值为‘purelin’，对于隐含层，默认值为‘tansig’。
BTF，反向传播网络的训练函数，默认值为‘traingdx’，可取值还有‘traingd’、‘traingdm’、‘traingda’。
BLF，反向传播权值/阙值学习函数，默认值为‘learndm’，可取值还有‘’learngd’等函数。
PF，性能函数，默认值为‘mse’，可取值还有‘msereg’。
IPR, 输入处理函数，默认值为‘{‘fixunknowns’，‘removeconstantrows’，‘mapminmax’}’。
OPF,输处处理函数，默认值为‘{‘removeconstantrows’，‘mapminmax’}’。

elmannet函数的使用格式如下：
elmannet（layerdelays，hiddenSizes，trainFcn）
layerdelays，表示网络层延迟的行向量，可取值为0或者正数，默认值为1:2;
hiddenSizes,隐含层大小，是一个行向量，默认值为10；
trainFcn，表示训练函数的字符串，默认值为‘trainlm’。

程序代码：
Elman1.m

load data;
a=data;

%% 选取训练数据和测试数据

for i=1:6
    p(i,:)=[a(i,:),a(i+1,:),a(i+2,:)];
end
% 训练数据输入
i_train=p(1:5,:);
% 训练数据输出
o_train=a(4:8,:);
% 测试数据输入
i_test=p(6,:);
% 测试数据输出
o_test=a(9,:);

% 为适应网络结构 做转置

i_train=i_train';
o_train=o_train';
i_test=i_test';

%% 网络的建立和训练
% 利用循环，设置不同的隐藏层神经元个数
nn=[8 11 14 17];
for i=1:4
    threshold=[0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1];
    % 用两种不同的函数建立Elman神经网络 隐藏层为nn(i)个神经元
    net=newelm(threshold,[nn(i),3],{
     'tansig','purelin'});
    %net = elmannet(1:2,nn(i),'trainlm');
    % 设置网络训练参数
    net.trainparam.epochs=1000;
    net.trainparam.show=20;
    % 初始化网络
    net=init(net);
    % Elman网络训练
    net=train(net,i_train,o_train);
    % 预测数据
    y=sim(net,i_test);
    % 计算误差
    error(i,:)=y'-t_test;
end