python实现BP神经网络预测正弦函数（双隐藏层+偏置）

最新推荐文章于 2025-05-31 10:23:56 发布

super涵

最新推荐文章于 2025-05-31 10:23:56 发布

阅读量4.9k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：神经网络文章标签： python BP神经网络

本文链接：https://blog.youkuaiyun.com/qq_23511015/article/details/80692616

本文使用Python实现了一个双隐藏层的BP神经网络，用于预测正弦函数。通过在0到2π间选取200个点作为训练数据，训练后的模型在训练集内外进行了预测，并绘制了预测曲线，展示了模型的拟合效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

BP网络（Back Propagation），是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。了解BP神经网络的工作过程，对入门人工神经网络有很大帮助。本文通过python编程实现含有两层隐藏层的神经网络模型，并用与正弦函数预测。

# -*- coding: utf-8 -*-
"""
Created on Tue May 15 16:39:55 2018

@author: Administrator
"""

import math
import random 
import numpy 
import matplotlib.pyplot as plt

random.seed(0)#使random函数每一次生成的随机数值都相等
def rand(a,b):
    return (b - a) * random.random() + a #生成a到b的随机数
 
def make_matrix(m,n,fill=0.0):#创建一个指定大小的矩阵  
    mat = []  
    for i in range(m):  
        mat.append([fill]*n)  
    return mat  
  
#定义tanh函数和它的导数  
def tanh(x):  
    return numpy.tanh(x)  
def tanh_derivate(x):  
    return 1-numpy.tanh(x)*numpy.tanh(x) #tanh函数的导数  
  
class BPNeuralNetwork:  
    def __init__(self):#初始化变量  
        sel