用BP网络完成函数的逼近源程序.zip_BP网络逼近_BP逼近_Bp函数逼近_bp 函数逼近_函数逼近

% Title : 用BP网络完成函数的逼近 % Descript : BP网络通常有一个或多个隐层，隐层中的神经元均采用sigmoid型变换函数，输出层的神经元采用纯线性变换函数。本例应用一个两层BP网络来完成函数逼近的任务，其中隐层的神经元个数是5。 clf reset figure(gcf) %setfsize(300,300); echo on clc % INITFF -对前向网络进行初始化 % SIMUFF -对前向网络进行仿真 % TRAINBP -用BP算法对前向网络进行训练 pause clc % P 为输入向量 P=-1:.1:1; % T 为目标向量 T = [-0.9602 -0.5770 -0.0729 0.3771 0.6405 0.6600 0.4609... 0.1336 -0.2013 -0.4344 -0.5000 -0.3930 -0.1647 0.0988... 0.3072 0.3960 0.3449 0.1816 -0.0312 -0.2189 -0.3201]; pause clc plot(P,T,'+'); title('训练向量'); xlabel('输入向量 P'); ylabel('目标向量 T'); pause clc S1=5; [w1,b1,w2,b2]=initff(P,S1,'tansig',T,'purelin'); echo off k=pickic; if k==2 w1=[3.5000;3.5000;3.5000;3.5000;3.5000]; b1=[-2.8562;1.0774;-0.5880;1.4083;2.8722]; w2=[0.2622 -0.2375 -0.4525 0.2361 -0.1718]; b2=[0.1326]; end echo on 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); pause clc ploterr(tr,eg); pause clc p=0.5; a=simuff(p,w1,b1,'tansig',w2,b2,'purelin') echo off