% se crean los targets que tengan la mism dimension de la matriz
for j=1:13 T_Null(:,j)=[1,0,0]; end for j=1:26 T_Ligeras(:,j)=[0,1,0]; end for j=1:9 T_Moderadas(:,j)=[0,0,1]; end input=[Vec_null'Vec_Ligeras'Vec_Moderadas']; %darle la forma de una red neronal vertical targets=(T_Null T_Ligeras T_Moderadas]; %% %% cre red neunoal pattennnet red=patternnet(5, 'trainlm'); %crea red neuronal red.trainParam.epochs=(1000); %Numero de epocas maximas red.trainParam.max_fail=100; % verifica minimo locales posibles red.trainParam.min_grad=1e-29;%error maximo permitido red.trainParam.nu=0.1; %factor de aprendizaje red.trainParam.nu_dec=10; %factor de aprendizaje creciente red.trainParam.nu_inc=10; %factor de aprendizaje creciente %red.layers(1).transferFcn='tansig'; %red.layers(2).transferFcn='tansig'; %cambiar la funcion de activacion de las neuronas de la capa 2 configure(red,input,targets); %dividir el set de entrenamiento red.divideParam.trainRatio=90/100; red.divideParam.valRatio=5/100; red.divideParam.testRatio=5/100; %linea en la que ocurre el entrenamiento [red,tr]=train(red, input,targets);