错误使用 network/subsasgn＞network_subsasgn net.b{2} must be a 2-by-1 matrix.解决方法_错误使用 network/subsasgn>network_subsasgn

使用生物算法优化bp时出现以下报错

1、错误使用 network/subsasgn>network_subsasgn net.b{2} must be a 2-by-1 matrix.

2、出错 索引 (第 14 行)

net = network_subsasgn(net,subscripts,v,netname);

oad input  %载入输入数据
 
load output  %载入输出数据
 
%% 第二步 设置训练数据和预测数据
 
input_train = input(:,1:35);
 
output_train = output(:,1:35);
 
input_test = input(:,36:end);
 
output_test = output(:,36:end);
 
inputnum=15;
 
hiddennum=1;
 
outputnum=4;
 
%训练样本输入输出数据归一化
 
[inputn,inputps]=mapminmax(input_train);
 
%归一化到[-1,1]之间，inputps用来作下一次同样的归一化
 
[outputn,outputps]=mapminmax(output_train);
 
%构建网络
 
net=newff(inputn,outputn,hiddennum);
 
%% 遗传算法参数初始化
 
maxgen=50;                          %进化代数，即迭代次数
 
sizepop=10;                         %种群规模
 
pcross=[0.4];                       %交叉概率选择，0和1之间
 
pmutation=[0.2];                    %变异概率选择，0和1之间
 
%节点总数
 
numsum=inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum;
 
lenchrom=ones(1,numsum);                       %个体长度
 
bound=[-3*ones(numsum,1) 3*ones(numsum,1)];    %个体范围
 
individuals=struct('fitness',zeros(1,sizepop), 'chrom',[]);  %将种群信息定义为一个结构体
 
avgfitness=[];                      %每一代种群的平均适应度
 
bestfitness=[];                     %每一代种群的最佳适应度
 
bestchrom=[];                       %适应度最好的染色体
 
%计算个体适应度值
 
for i=1:sizepop
 
%随机产生一个种群
 
individuals.chrom(i,:)=Code(lenchrom,bound);
 
%计算适应度
 
x=individuals.chrom(i,:);
 
individuals.fitness(i)=fun(x,inputnum,hiddennum,outputnum,net,inputn,outputn);   %染色体的适应度
 
end
 
%% 迭代求解最佳初始阀值和权值
 
% 进化开始
 
for i=1:maxgen
 
% 选择
 
individuals=Select(individuals,sizepop);
 
%交叉
 
individuals.chrom=Cross(pcross,lenchrom,individuals.chrom,sizepop,bound);
 
% 变异
 
individuals.chrom=Mutation(pmutation,lenchrom,individuals.chrom,sizepop,i,maxgen,bound);
 
% 计算适应度
 
for j=1:sizepop
 
x=individuals.chrom(j,:); %个体
 
individuals.fitness(j)=fun(x,inputnum,hiddennum,outputnum,net,inputn,outputn);
 
end
 
%找到最小和最大适应度的染色体及它们在种群中的位置
 
[newbestfitness,newbestindex]=min(individuals.fitness);
 
[worestfitness,worestindex]=max(individuals.fitness);
 
%最优个体更新
 
if bestfitness>newbestfitness
 
bestfitness=newbestfitness;
 
bestchrom=individuals.chrom(newbestindex,:);
 
end
 
individuals.chrom(worestindex,:)=bestchrom;
 
individuals.fitness(worestindex)=bestfitness;
 
%记录每一代进化中最好的适应度和平均适应度
 
avgfitness=sum(individuals.fitness)/sizepop;
 
trace=[trace;avgfitness bestfitness];
 
end
 
%% 把最优初始阀值权值赋予网络预测
 
% %用遗传算法优化的BP网络进行值预测
 
x=bestchrom
 
w1=x(1:inputnum*hiddennum);
 
B1=x(inputnum*hiddennum+1:inputnum*hiddennum+hiddennum);
 
w2=x(inputnum*hiddennum+hiddennum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum);
 
B2=x(inputnum*hiddennum+hiddennum+hiddennum*outputnum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum);
 
net.iw{1,1}=reshape(w1,hiddennum,inputnum);
 
net.lw{2,1}=reshape(w2,outputnum,hiddennum);
 
net.b{1}=reshape(B1,hiddennum,1);
 
net.b{2}=B2;
 
%% BP网络训练
 
%网络进化参数
 
net.trainParam.epochs=100;
 
net.trainParam.lr=0.1;
 
net.trainParam.goal=0.00001;
 
%网络训练
 
[net,per2]=train(net,inputn,outputn);
 
%% BP网络预测
 
inputn_test=mapminmax('apply',input_test,inputps);
 
an=sim(net,inputn_test);
 
%预测结果反归一化
 
test_simu=mapminmax('reverse',an,outputps);
 
error=test_simu-output_test;
 
数据可视化
 
figure(1)
 
plot(output_test,'bo-')
 
hold on
 
plot(test_simu,'r*-')
 
hold on

原因：net.b{2}=B2;左右赋值不匹配。

输出outputnum为4维，但权重赋值为B2=x(inputnum*hiddennum+hiddennum+hiddennum*outputnum+1:inputnum*hiddennum+hiddennum+hiddennum*outputnum+outputnum);

解决办法：net.b{2}=reshape(B2,outputnum,1)即可。

reshape - 重构数组

此 MATLAB 函数 使用大小向量 sz 重构 A 以定义 size(B)。例如，reshape(A,[2,3]) 将

A 重构为一个 2×3 矩阵。sz 必须至少包含 2 个元素，prod(sz) 必须与 numel(A) 相同。

B = reshape(A,sz)

B = reshape(A,sz1,...,szN)

输入参数

A - 输入数组

向量 | 矩阵 | 多维数组

sz - 输出大小

由整数组成的行向量

sz1,...,szN - 每个维度的大小

两个或以上的整数 | []（可选）

输出参数

B - 重构的数组

向量 | 矩阵 | 多维数组 | 元胞数组