BP网络拟合函数.docxVIP

神经网络模型拟合函数 一 、实验目的 本实验要求在掌握神经网络基本工作原理和函数拟合的方法基础上，针对相同的拟合 目标函数，通过利用不同的模型结构和参数的神经网络模型进行拟合，对比拟合效果的好 坏，进而了解神经网络模型结构与参数的影响。 二 、实验要求 针对给定的目标函数y=0.5*(1+cos(x)), 利用1-6-1结构和1-4-2-1结构的神经网络 模型进行函数的拟合与逼近，对比两种结构模型的逼近性能。 三 、实验步骤 1. 选取20个训练样本，即输入x=2*π*/20,i=0,1,…19,期望输出为 t=0.5*(1+cos(x)) 2. 选择MLP 网络结构为1个输入神经元、6个隐含层神经元和1个输出神经元。神经 元的激励函数为sigmoid函数； 3. 初始权系数为(0,1)之间的随机数，学习步长”=0.09; 4. 利用BP 算法获得权系数的最终解； 5. 按照上述方法构造1-4-2-1结构的神经网络模型，并求出权系数的稳定解； 6. 选择30个测试样本数据集，测试两种神经网络模型的实际输出与期望输出之间的 误差， x=2*π*i/30,i=0,1, …29,t=0.5*(1+cos(x)) 7.绘制两种模型的逼近输出曲线，并给出对比结果分析。 四、 实验结果及分析 1.BP 网络结构为1个输入神经元、6个隐含层神经元和1个输出神经元，神经元的激 励函数为sigmo