matlab神经网络实验.pptxVIP

神经元模型;常用传递函数;线性函数;Sigmoid函数; 前馈神经网络;BP网络;BP网络的生成;BP网络的初始化;BP网络的学习规则;BP网络的快速学习算法与选择;BP网络的训练;BP网络的设计(1);BP网络的设计(2);BP网络设计实例;目标线;实验2: BP网络用于曲线拟合;Step1: 将要逼近的非线性函数设为正弦函数;Step 2: 网络建立 应用函数newff()建立BP网络结构，为二层BP网络。隐层神经元数目n可以改变，暂设为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函数和purelin函数，网络训练算法采用trainlm;n = 10; net = newff(minmax(p), [n,1], {tansig purelin}, trainlm); % 对于该初始网络，可以应用sim()函数观察网络输出 y1 = sim(net,p); % 同时绘制网络输出曲线，并与原函数相比较 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 －);;Step 3: 网络训练 应用函数train()对网络进行训练之前，要先设置训练参数。将训练时间设置为50，精度设置为0.01，其余用缺省值。 训练后得到的误差变化过程如图：;Stet 4