用BP网络完成函数的逼近

最新推荐文章于 2020-04-23 21:26:53 发布

最新推荐文章于 2020-04-23 21:26:53 发布 · 211 阅读

本文通过使用BP神经网络实现函数逼近任务，展示了网络初始化及训练的具体步骤。采用正弦函数作为示例，详细介绍了网络参数设置、训练过程及评估方法。

用BP网络完成函数的逼近 ,此处主要为了演示效果，其中部分函数已经废弃。

具体如下：

% 用BP网络完成函数的逼近 clf reset figure(1) P=-1:.1:1; % T 为目标向量 T=0:0.314:6.28; T=sin(T); plot(P,T,'+'); title('训练向量'); xlabel('输入向量 P'); ylabel('目标向量 T'); S1=5; [w1,b1,w2,b2]=initff(P,S1,'tansig',T,'purelin'); % >> help initff % INITFF Inititialize feed-forward network up to 3 layers. % % This function is obselete. % Use NNT2FF and INIT to update and initialize your network. df=10; %学习过程显示频率 me=8000; %最大训练步数 eg=0.02 %误差指标 lr=0.01 %学习率 tp=[df me eg lr]; [w1,b1,w2,b2,ep,tr]=trainbp(w1,b1,'tansig',w2,b2,'purelin',P,T,tp); % >> help trainbp % TRAINBP Train feed-forward network with backpropagation. % % This function is obselete. % Use NNT2FF and TRAIN to update and train your network.