神經(jīng)網(wǎng)絡(luò)基于bp網(wǎng)絡(luò)的多層感知器實驗報告-在線瀏覽
2024-08-02 18:30本頁面
【正文】 =1。 acs=0。 for p=1:101 y=zeros(1,j)。 y(1,i)=1/(1+exp(netj(1,i)))。 y=[1 y]。+zhaosheng(p)。 err(1,p)=1/2*wucha^2。 for m=1:j+1 w(1,m)=w(1,m)+n*wucha*y(1,m)。 for m=1:j v(:,m)=v(:,m)+n*wucha*w(1,m)*y(1,m)*(1y(1,m))*x(p,:)39。 end。 Erme=Erme+err(1,t)。 err=zeros(1,101)。 ERRO=[ERRO,Erme]。 end。 azc=azc+Erme。 end disp(39。)。 plot(x(:,2),d,39。)。 plot(x(:,2),o,39。)。次數(shù):39。 pjcx=1/5*acs figure(2)。 figure(3)。rp39。endfunction F = hermit(x)%hermit子函數(shù) F = *(1x+2*x^2)*exp(x^2/2)。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多項式的期望輸出進行比較計算總誤差（運行5次，取平均值），并記錄下每次迭代結(jié)束時的迭代次數(shù)。 clc。%樣本101個 j=input(39。)。請輸入學(xué)習(xí)效率 n = 39。%學(xué)習(xí)效率 a=。 v=rand(1,j)。 wucha=0。%噪聲 erro=[]。%誤差，為畫收斂曲線準備 Emin=。 for m=1:101 d(1,m)=hermit(x(m))。 o=zeros(1,101)。 net=zeros(1,j)。 p=1。 azc=0。 for z=1:5 while q30000 Erro=0。 for p=1:101 for i=1:j netj(1,i)=v(1,i)*x(1,p)。 end。+zhaosheng(p)。%誤差 err(1,p)=1/2*wucha^2。 q=q+1。 for t=1:101。 Erme=Erme+err(1,t)。 erro=[]。 w(1,m)=w(1,m)+n*Erro*y(1,m)。 end。 ERRO=[ERRO,Erme]。 end。 azc=azc+Erme。 end disp(39。)。 plot(x,d,39。)。 plot(x,o,39。)。平均次數(shù):39。 pjcs=1/5*acs figure(2)。 figure
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號-1