3前馈神经网络.pptVIP

3.4多层前馈神经网络(BP网络) 多层前馈神经网络的典型结构如图。 net.adaptparam.passes=70; [net,y,output]=adapt(net,p,t);%输出信号output为网络调整过程中的误差 %绘制信号、迭加随机噪声信号、输出信号的波形 hold on %绘制信号波形 subplot(3,1,1); plot(time,input,b); xlabel(t,position,[10.5,-1]); ylabel(信号波形 sin(t),fontsize,8) subplot(3,1,2); %绘制迭加随机信号波形 plot(time,t,m); xlabel(t,position,[10.5,-5]); ylabel(随机噪声波形 sin(t)+noise(t),fontsize,8) %绘制输出信号波形 subplot(3,1,3); plot(time,output,g); xlabel(t,position,[10.5,-2]); ylabel(输出信号波形 y(t),fontsize,8) hold off 网络运行结果如下图： 看出输出信号除含有一定直流分量外，其波形与输入信号波形基本一致，消除了迭加的随机噪声。 它包含一个输出层和一个输入层，一个或多个隐含层。隐含层的变换函数一般为非线性函数，如S型函数或双曲线正切函数（tanh(x