BP网络逼近函数方法资料.docVIP

BP网络逼近函数方法 题目：使用BP网络逼近对象y(k)=u(k)3+y(k-1)/(1+2y(k-1)2)，采样时间取2ms，输入信号为u(k)=0.5sin(2πt)。 解答： 本题采用matlab编写程序，其编程思路是： （1）将时间轴范围定为从0秒到1秒，每隔2ms采样一次，即增加时间间隔为0.002，计算y值，根据点值画出要逼近函数的图像； （2）用newff（）函数建立二层BP神经网络，隐层神经元数目设为10，输出层有一个神经元，选择隐层和输出层神经元传递函数分别为tansig（）和purelin（），网络训练用trainlm，建立起初始网络后，用sim（）函数观察网络输出，同时绘制输出曲线，并与原函数比较； （3）设置训练参数，将学习速率定为0.05，最大迭代次数定为100，训练精度设为0.000001用train（）函数对网络进行训练，训练后绘制曲线，并与原函数比较。 具体程序如下： p=0:0.002:1; y(1)=(0.5*sin(2*pi*0))^3; for i=2:501 y(i)=(0.5*sin(2*pi*(i-1)*0.002))^3+y(i-1)/(1+2*(y(i-1))^2); end plot(p,y,o); title(要逼近的函数); xlabel(时间); ylabel(逼近函数); net=newff(minmax(p),[10,1],{tansig,purelin},trainlm);%建立BP网络结构 y1=sim(net,p); figure plot(p,y,bo,p,y1,r-); title(未训练网络的输出结果) xlabel(时间); ylabel(仿真输出- 原函数o); net.trainParam.lr=0.05;%学习速率为0.05 net.trainParam.epochs=100;%设定最大迭代次数为100 net.trainParam.goal=0.000001;%设定训练误差目标位0.000001 [net,tr]=train(net,p,y); y2=sim(net,p); plot(p,y,bo,p,y2,r-); title(训练后网络的输出结果) xlabel(时间); ylabel(仿真输出- 原函数o); 程序出图如下： 所要逼近的函数图像： 未训练的初始网络输出结果（红线）和原函数图像（蓝线）： 训练后的网络输出结果（红线）和原函数图像（蓝线）： 从最后一图中可看出网络输出结果与原函数图形一致，逼近效果很好。