%----------------初始化、數據的錄入、矩陣----------------------%
clear;
close?all;
loadData;

X0=POS‘;
Y0=CUR‘;
%----------------下面對學習樣本進行歸一化處理-------------------%
minpx=min（X0）;
maxpx=max（X0）;
minpy=min（Y0）;
maxpy=max（Y0）;

X?=?（X0?-?minpx?.*?ones（size（X0）））./（maxpx-minpx）;
Y?=?（Y0?-?minpy?.*?ones（size（Y0）））./（maxpy-minpy）;

%?X?=?zeros（size（X0））;
%?Y?=?zeros（size（Y0））;
%?for?j=1:size（X02）
%??????????X（j）=（X0（j）-minpx）/（maxpx-minpx）;
%??????????Y（j）=（Y0（j）-minpy）/（maxpy-minpy）;
%?end


%----------------網絡建立和訓練過程及結果顯示-------------------%
s=3:15;%s?為常向量，表示神經元的個數
res=zeros（size（s））;%res將要存儲誤差向量，這里先置零
for?i=1:length（s）
net=newff（XY[13]{‘tansig‘‘tansig‘‘purelin‘}‘trainlm‘）;?
net.trainParam.epochs=1000;%訓練次數為1000次
net.trainParam.goal=0;%訓練的目標誤差為0
[nettr]=train（netXY）;%神經網絡以每一列為一個樣本
y=sim（netX）;
e=Y-y;
error=mse（enet）;
res（i）=norm（error）;
end
[ttmp2