基于BP神经网络算法的正余弦函数逼近.docxVIP

实验二 基于BP神经网络算法的正余弦函数逼近 班级： 学号： 姓名： 实验目的 （1） 掌握MATLAB子函数编写与调用。 （2） 理解BP神经元网络算法的原理，并利用程序实现通过BP算法逼近任意非线性函数。 实验内容与实验要求 掌握BP神经网络算法的原理。 掌握MATLAB子函数的编写方法及调用方法。 根据BP神经网络算法的原理，编写MATLAB程序，逼近非线性函数。 实验原理 q一个2×3×1的神经网络即输入层有两个节点，隐层含三个节点，输出层有一个节点，神经网络如图示。 q 1 1 2 5 4 3 6 eX1 e X1 X2 X2 w w w w 图1 神经网络结构图 图中为输入层与隐层的权值，为隐层与输出层的权值，、是神经网络的输入值，是网络的输出值，为教师信号，为神经网络的实际输出与期望输出的误差。在这个神经网络中，节点1，2是输入层， 节点3，4，5是隐层，节点6是输出层；输入层和隐层之间的权值依次，隐层和输出层间的权值为，下角标为节点的编号；隐层和输出层节点的阈值依次为，，，。 ①前馈计算 设隐层的第个节点的输入和输出分别为： 其中为激励函数 由于隐层的输出就是输出层的输入，则输出层第个节点的总输入和输出分别为： 若网络输出与实际输出存在误差，则将误差信号反向传播，并不断地修正权值，直至误差达到要求为止。 ②权值调整 设误差函数定义为： 为了简便，以下计算都是针对每个节点而言，误差函数记作。 输出层权值的调整 权值修正公式为： 定义反传误差信号为： 式中 所以 又 由此可得输出层的任意神经元权值的修正公式： 或 ( 隐层权值的调整 式中 由于误差函数与隐层输入不存在直接的函数关系，因此不能直接求得，所以 隐层的反传误差信号为 由此可得，隐层权值的修正公式为； 或 实验设备 计算机 MATLAB软件 实验流程 初始化w 循环1开始，计算三角函数y=sin(4*3.14*k1*s/360)的值 循环2开始，进行前馈的计算，x(k+1)=x(k)+q(k)，out1(k+1)=(1-exp(-x(k+1))) / (1+exp(-x(k+1)))；out2(k+1)=1/(1-exp(-x(k+1))); n1(k+1)=w y1(k+1)=1/(1+exp(-n2(k+1))),y2(