基于bp神经网络的函数逼近仿真实例.pdf

学号：XXXXXXX 题 目： 基于 BP 神经网络的函数逼近仿真实例 学 院： 信息学院 专 业： 计算机科学与技术 姓 名： XXX 指导教师： XXX 完成日期： 2011 年 5 月 9 日 摘 要 BP （Back Propagation ）网络是 1986 年由 Rumelhart 和 McCelland 为首的科学家 小组提出，是一种按误差逆传播算法训练的多层前向网络，是目前应用最广泛的神经 网络模型之一。BP 网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭 示描述这种映射关系的数学方程。在人工神经网络的实际应用中，绝大部分的神经网 络模型都采用 BP 网络及其变化形式。它也是前向网络的核心部分，体现了人工神经 网络的精华，在函数逼近、模式识别、分类、数据压缩等领域获得了极为有效而广泛 的应用。 本文利用自行设计的 BP 网络开发工具，通过一个简单的三层BP 神经网络模拟 了对正弦函数（y = sin(x) ）的逼近过程，并通过设置不同的网络参数初步探讨了学习 率、动量项等因素对 BP 网络收敛性的影响。 全文共分为六个部分，第一部分介绍了 BP 神经网络的相关背景知识及算法相关 公式的数学推导，这也是设计本次函数逼近网络模型的理论基础；第二部分详细介绍 了本次函数逼近所采用的网络模型、逼近函数及相关参数，并通过实验给出设置相关 参数的经验知识；第三部分介绍了系统设计思路、过程及相关细节，并包含核心代码 展示；第四部分给出一次运行示例；第五部分是我对于 BP 神经网络及本次仿真的自 我认识与评价；第六部分是结束语。 关键词：BP 网络；函数逼近；仿真 —I— Abstract BP neural network model is a Multilayer Feedforward Network model which was first proposed by a research team led by scientists Rumelhart and McCelland in 1986. Trained by Error Back-propagation Algorithm, now it is one of the most widely used neural network models. BP network is able to learn and store various input-output mapping relationships without previously knowing the exact mathematics function which reveals them. As the core of Feedforward Network and essence of Artificial Neural Network, it is widely used in fields such as Function approximation, Pattern recognition, Classification and Data compression. This thesis uses a 3-layer BP neural network to simulate the process of approximating the Sine function and by setting different network parameters it also briefly discusses the influence of certain factors such as learning-rate on