%?X?表示訓練的實際樣本值
%?T?表示網絡的實際輸出值
clc
clear?all
format?compact
%?format?long

%?讀取數據并進行處理
fid?=?xlsread（‘www.xls‘）;
zd=max（fid）;
zx=min（fid）;
[rowcol]=size（fid）;
TT=fid（:col）;
m=0.1;
n=0.8;
%?for?i=1:col
%?????for?j=1:row
%?????????q1（ji）=m+（n-m）.*（fid（ji）-zx（i））./（zd（i）-zx（i））;
%?????end
%?end
for?i=1:col
????q（:i）=m+（n-m）*（fid（:i）-zx（i））/（zd（i）-zx（i））;
end
%?歸一化后的數據，X為輸入樣本數據，T為期望輸出
X（:1:col-1）=q（:1:col-1）;
T=q（:end）;

net=newff（X‘T‘7{‘tansig‘?‘purelin‘}‘trainlm‘‘mse‘）;

net.layers{1}.initFcn?=?‘initwb‘;
net.inputWeights{11}.initFcn?=?‘rands‘;
net.biases{11}.initFcn?=?‘rands‘;
net.biases{21}.initFcn?=?‘rands‘;
net?=?init（net）;
for?i=1:100
????net.trainParam.epochs=10^20;
????net.trainParam.goal=0;
????net.trainParam.lr=10^-16;
????net.trainParam.min_grad=0;
????net=train（netX‘T‘）;
end
%?yy=sim（netX‘）;
yy=net（X‘）;
y=zx（col）+（yy-m）