matlab神經(jīng)網(wǎng)絡實驗-資料下載頁
2025-05-25 22:54本頁面
【正文】 建立 BP網(wǎng)絡結構，為二層 BP網(wǎng)絡。隱層神經(jīng)元數(shù)目 n可以改變，暫設為10，輸出層有一個神經(jīng)元。選擇隱層和輸出層神經(jīng)元傳遞函數(shù)分別為 tansig函數(shù)和purelin函數(shù)，網(wǎng)絡訓練算法采用 trainlm n = 10。 = newff(minmax(p), [n,1], {39。tansig39。 39。purelin39。}, 39。trainlm39。)。 % 對于該初始網(wǎng)絡，可以應用 sim()函數(shù)觀察網(wǎng)絡輸出 y1 = sim(,p)。 % 同時繪制網(wǎng)絡輸出曲線，并與原函數(shù)相比較 figure。 plot(p,t,39。39。,p,y1,39。39。) title(39。未訓練網(wǎng)絡的輸出結果 39。)。 xlabel(39。時間 39。)。 ylabel(39。仿真輸出 － － 原函數(shù) － 39。)。 因為使用 newff()函數(shù)建立網(wǎng)絡時，權值和閾值的初始化是隨機的，所以網(wǎng)絡輸出的結果很差，根本達不到函數(shù)逼近的目的，并且每次運行結果也有所不同。 ? Step 3: 網(wǎng)絡訓練 ? 應用函數(shù) train()對網(wǎng)絡進行訓練之前，要先設置訓練參數(shù)。將訓練時間設置為 50，精度設置為 ，其余用缺省值。 ? 訓練后得到的誤差變化過程如圖： = 50。 = 。 = train(,p,t)。 Stet 4: 網(wǎng)絡測試 對于訓練好的網(wǎng)絡進行仿真 并繪制網(wǎng)絡輸出曲線，與原始非線性函數(shù)曲線以及未訓練網(wǎng)絡的輸出結果曲線相比較 y2 = sim(,p)。 figure。 plot(p,t,39。39。,p,y1,39。39。,p,y2,39。.39。) title(39。訓練后網(wǎng)絡的輸出結果 39。)。 xlabel(39。時間 39。)。 ylabel(39。仿真輸出 39。)。 從圖中可以看出，得到的曲線和原始的非線性函數(shù)曲線很接近。這說明經(jīng)過訓練后，BP網(wǎng)絡對非線性函數(shù)的逼近效果相當好。
環(huán)評公示相關推薦
鄂ICP備17016276號-1