神经网络逼近函数.pdfVIP

下载本文档

22
0
约8.46千字
约 5页
2021-11-08 发布于广东
举报
版权申诉

神经网络逼近函数.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

神经网络近似函数题目：采用神经网络逼近下列函数：双极值型算例 2 f (x ) x(x 3.2x 2.89)( x 3) / 2 x [0,3] 最优值 xmax 0.537, f max 0.9655 解： f (x ) 的实际图如下： 1 X: 0.523 0.9 Y: 0.9651 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 0.5 1 1.5 2 2.5 3 神经网络训练前：应用 newff() 函数建立 BP网络结构。隐层神经元数目 n可以改变，暂设为 n=5，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，网络训练的算法采用 Levenberg – Marquardt 算法 trainlm 。原函数与网络训练前的仿真结果比较 2 y X: 1.137 Y: 1.899 y1 1.5 1 y 0.5 0 -0.5 0 0.5 1 1.5 2 2.5 3 x 因为使用 newff( ) 函数建立函数网络时，权值和阈值的初始化是随机的，所以网络输出结构很差，根本达不到函数逼近的目的，每次运行的结果也不同。神经网络训练后应用 train() 函数对网络进行训练之前，需要预先设置网络训练参数。将训练时间设置为 500，训练精度设置为 0.001 ，其余参数使用缺省值。训练后得到的误差变化过程如下所示。