神經(jīng)網(wǎng)絡(luò)基于bp網(wǎng)絡(luò)的多層感知器實(shí)驗(yàn)報告-wenkub.com
2025-06-19 18:30 本頁面
【正文】 收斂曲線39。測試樣本39。input x39。*k39。or39。BP曲線39。b39。 end%顯示圖形；figureplot(x,ok,39。NETk=0。b=1。B=[cs,wc]。wc=s2/5。for k=1:5 [x1,x2]=dyb(lr,Emin,q)。加動量項(xiàng)的批處理運(yùn)算：通過引入以前運(yùn)算的經(jīng)驗(yàn)，從而使學(xué)習(xí)過程振蕩減小，改善收斂性。 plot(x,d)。)。b39。r39。平均誤差:39。 end。 Erme=sqrt(Erme/101)。 if m==1 w(1,m)=w(1,m)+n*Erro*y(1,m)。 Erme=Erme+err(1,t)。 q=q+1。+zhaosheng(p)。 for p=1:101 for i=1:j netj(1,i)=v(1,i)*x(1,p)。 azc=0。 net=zeros(1,j)。 for m=1:101 d(1,m)=hermit(x(m))。%噪聲 erro=[]。 v=rand(1,j)。請輸入學(xué)習(xí)效率 n = 39。%樣本101個 j=input(39。endfunction F = hermit(x) %hermit子函數(shù) F = *(1x+2*x^2)*exp(x^2/2)。 pjcs=1/5*acs figure(2)。)。)。)。 azc=azc+Erme。 ERRO=[ERRO,Erme]。 w(1,m)=w(1,m)+n*Erro*y(1,m)。 Erme=Erme+err(1,t)。 q=q+1。+zhaosheng(p)。 for p=1:101 for i=1:j netj(1,i)=v(1,i)*x(1,p)。 azc=0。 net=zeros(1,j)。 for m=1:101 d(1,m)=hermit(x(m))。%噪聲 erro=[]。 v=rand(1,j)。請輸入學(xué)習(xí)效率 n = 39。%樣本101個 j=input(39。產(chǎn)生均勻分布在區(qū)間[4，4]的測試樣本，輸入建立的模型得到輸出，與Hermit多項(xiàng)式的期望輸出進(jìn)行比較計算總誤差（運(yùn)行5次，取平均值），并記錄下每次迭代結(jié)束時的迭代次數(shù)。rp39。 pjcx=1/5*acs figure(2)。)。)。)。 azc=azc+Erme。 ERRO=[ERRO,Erme]。 Erme=Erme+err(1,t)。 for m=1:j v(:,m)=v(:,m)+n*wucha*w(1,m)*y(1,m)*(1y(1,m))*x(p,:)39。 err(1,p)=1/2*wucha^2。 y=[1 y]。 for p=1:101 y=zeros(1,
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號-1