神经网络大作业函数拟合.pdfVIP

。 人工神经网络第一次作业 题目：使用函数 t e au sin(cu ) 试验 MATLAB中的 BP算法 1、改变不同训练算法，观察效果； 2、改变参数 a,c 的值，观察效果； 3、改变隐层神经网络个数，观察效果； 4 、尝试：加入噪声的训练效果。 一、改变不同训练算法，观察效果 在 MATLAB中，BP网络的训练函数一共有以下几种，改变不同训练算法，观 察效果就是在其他参数不变只改变程序中训练函数的情况下， 得到不同训练算法 的训练结果。 训练方法 训练函数 梯度下降法 traingd 有动量的梯度下降法 traingdm 自适应 lr 梯度下降法 traingda 自适应 lr 动量梯度下降法 traingdx 弹性梯度下降法 trainrp Fletcher-Reeves 共轭梯度法 traincgf Ploak-Ribiere 共轭梯度法 traincgp Powell-Beale 共轭梯度法 traincgb 量化共轭梯度法 trainscg 拟牛顿算法 trainbfg 一步正割算法 trainoss Levenberg-Marquardt 法 trainlm 由于这只是改变程序中的训练算法， 其他不变， 所以为了简洁， 在本程序中 只选取了四种训练算法， 分别是梯度下降法 traingd 、弹性梯度下降法 trainrp 、 拟牛顿算法 trainbfg 和 Levenberg-Marquardt 法 trainlm ，只更改不同的训练 算法来构造节点，程序如下，得到不同训练算法下的仿真图如图 1 所示。 clear all; close all; clc; a=1,c=1; % 在此改变 a,c 的值 layer_number=20; % 在此改隐含层的个数 u=-4:0.001:4; t=exp(-a*u).*sin(c*u); % 这里是矩阵相乘，要用点乘 net=newff(minmax(u),[layer_number,1],{tansig,purelin},traingd);% 梯度下降法 y1=sim(net,u);% 未训练直接输出 net1=newff(minmax(u),[layer_number,1],{tansig,purelin},traingd);% 梯度下降法 net2=newff(minmax(u),[layer_number,1],{tansig,purelin},trainrp);% 弹性梯度下降 法 net3=newff(minmax(u),[layer_number,1],{tansig,purelin},trainbfg);% 拟牛顿算法 精选资料，欢迎下载 。 net4=newff(minmax(u),[layer_number,1],{tansig,purelin},trainlm);%Levenberg-Ma rquardt net.trainParam.show = 50; net.tr