BP网络函数逼近方法和编程.doc

下载文档

4
0
约小于1千字
约 5页
2017-08-28 发布于重庆
举报
版权申诉
保障服务

BP网络函数逼近方法和编程.doc

1、本文档共5页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

BP网络函数逼近方法和编程

智能控制作业设计一神经网络逼近此函数，㈠p=0.5:0.01:1.5; t=1./p; Figure(1) plot(p,t,-); title(要逼近的非线性函数); xlabel(时间); ylabel(非线性函数); n=3; net=newff(minmax(p),[n,1],{tansig,purelin},trainlm); y1=sim(net,p); Figure plot(p,t,-,p,y1,:); title(未训练网络的输出结果); xlabel(时间); ylabel(仿真输出-原函数-); net.trainparam.epoch=3500; net.trainparam.goal=0.001; net=train(net,p,t); Figure; y2=sim(net,p); plot(p,t,-,p,y1,--,p,y2,:); title(三个图对比); xlabel(X);ylabel(T y1 y2); ㈡。程序如下： err_goal=0.00001;Ir=0.015;max_epoch=10000; W=-1;b=2; X=0.5:0.1:1.5; T=1./X; for epoch=1:1:max_epoch Y=W*X+b; e= Y-T; E=square(e); if(Eerr_goal) break; end W=W+Ir*e*X; b=b+ Ir*sqrt(e*e); end X=0.5:0.1:1.5; T=1./X; Y=W*X+b; display(epoch) display(W) display(b) display(Y) figure; plot(X,T,X,Y,:); xlabel(X); ylabel(YT); 综上说述：两种方法都能实现，但利用BP逼近要比adaline网络方法效果好。