BP神经网络的函数逼近功能

本文探讨了BP神经网络如何利用其非线性映射能力进行函数逼近,通过MATLAB实现网络训练,展示了其在复杂数据拟合上的潜力,并通过绘制图形验证了网络的逼近效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

BP网络有很强的映射能力,主要用于模式识别和函数逼近。可以采用BP网络函数逼近的能力来求解数学式难以表达的函数。下面是一个三层BP网络,看它如何逼近一个正旋函数的。
在matlab中采用tansig函数和purelin函数,BP网络未训练时(初始化的网络),输出曲线与正旋曲线相差很大,没有逼近功能。因为newff函数建立网络时,权值和阀值都是随即初始化的。网络输出结果很差。达不到逼近目的。
k=1;
p=[-1:.05:1];
t=sin(k*pi*p);
n=10;
net=newff(minmax(p),[n,1],{'tansig' 'purelin'},'trainlm');
y1=sim(net,p);
plot(p,t,'-',p,y1,'--');
xlabel('时间');
ylabel('函数值');
title('未训练的BP网络逼近效果');
legend('要逼近的正旋函数曲线','未训练的BP网络逼近曲线');

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值