用bp網路完成函式的逼近 ,此處主要為了演示效果，其中部分函式已經廢棄。
具體如下：
% 用bp網路完成函式的逼近 clf reset figure(1) p=-1:.1:1; % t 為目標向量 t=0:0.314:6.28; t=sin(t); plot(p,t,'+'); title('訓練向量'); xlabel('輸入向量 p'); ylabel('目標向量 t'); s1=5; [w1,b1,w2,b2]=initff(p,s1,'tansig',t,'purelin'); % >> help initff % initff inititialize feed-forward network up to 3 layers. % % this function is obselete. % use nnt2ff and init to update and initialize your network. df=10; %學習過程顯示頻率 me=8000; %最大訓練步數 eg=0.02 %誤差指標 lr=0.01 %學習率 tp=[df me eg lr]; [w1,b1,w2,b2,ep,tr]=trainbp(w1,b1,'tansig',w2,b2,'purelin',p,t,tp); % >> help trainbp % trainbp train feed-forward network with backpropagation. % % this function is obselete. % use nnt2ff and train to update and train your network.
用BP神經網路逼近正弦函式
網路中設定輸入層與輸出層均為乙個神經元，並且考慮到正弦函式的值域分布情況，我這一次在輸出層中的啟用函式並沒有使用以前常用的sigmod函式，而是採用了線性函式y x 具體實現 如下所示 clc,clear data 3 0.01 3 xsize size data datasize xsize 2 ...
BP神經網路的函式逼近
給出乙個非線性的函式，建立bp神經網路進行擬合影象，其中隱藏神經元的數目為，可以設定。bp神經網路的函式逼近k 2 x 1 05 8 f 1 sin k pi 2 x 建立bp神經網路結構 隱藏層為5 未訓練引數 n 10 net newff minmax x n,1 trainlm y1 sim ...
利用BP神經網路逼近函式 Python實現
文章主要參考原文是matlab版本的實現。在此基礎上，利用python實現bp網路對函式 如下 相應部分都有注釋 2018.08.15 啟用函式用的是sigmoid import numpy as np import math import matplotlib.pyplot as plt x np...