用神经网训练一个网络函数

学号 学号 姓名 姓名 班级 班级 用神经网络训练一个非线性函数用神经网络训练一个非线性函数 一 MATLAB 神经网络工具箱的简单介绍 MATLAB 神经网络工具箱以人工神经网络为基础 根据自己的需要调用相关函数 就可以完成网络设计 权值初始化 网络训练等 本设计中使用了工具箱中 BP 神经网络 BP 神经网络工具箱主要包括 newff sim 和 train 三个神经网络函数 newff 函数的功能是构建一个 BP 神经网络 其函数形式 net newff P T S TF BTF BLF PF IPF OPF DDF sim 函数的功能是用训练数据训练 BP 神经网络 其函数形式 net tr train NET X T Pi Ai train 函数的功能是用训练好的 BP 神经网络预测函数输出 其函数形式 y sim net x 二二 设要逼近的非线性函数为 y 2 cos 2 pi x 0 4 X 3 6 1 网络建立 使用 net newff x y 20 tansig purelin trainlm learngdm 语句建 立一个前馈 BP 神经网络 该 BP 神经网络只含有一个隐含层 神经元的个数为 20 隐 层传递函数 tansig 输出层传递函数 purelin 训练函数为 Leven berg Marquardt 的 BP 算法训练函数 trainlm 网络学习函数是带动量项的 BP 学习规则 learngdm 2 网络训练 使用 net train net x y 语句训练建立喊的 BP 神经网络 在训练网 络之前设置好训练参数 用 net trainParam epochs 50 net trainParam goal 0 01 net train Param lr 0 01 net trainParam show 10 语句实现 3 网络仿真 使用 y1 sim net x y2 sim net x 语句仿真训练前后的 BP 神经 网络 二 MATLAB 程序 x 0 4 0 04 3 6 y 2 cos 2 pi x net newff x y 20 tansig purelin trainlm learngdm y1 sim net x 为训练前进行仿真 net trainParam epochs 50 训练次数 net trainParam goal 0 01 最小均方误差 net trainParam lr 0 01 学习速率 net trainParam show 10 net train net x y 训练函数 y2 sim net x 为训练后进行仿真 figure 1 plot x y x y1 x y2 title 原函数与网络训练前后的仿真结果比较 xlabel x ylabel y text 2 30 未训练网络的仿真结果 y1 text 2 27 训练网络的仿真结果 y2 三 仿真结果及结果分析 图 1 图 2 图 3 由程序知直接调用 MATLAB 软件包中的神经网络工具箱函数 图 1 为原函数与网 络训练前后的仿真结果比较图 由图可知 用工具箱函数建立网络时 对权值和阈值的初 始化是随机的 所以未训练网络的仿真效果很差 并且每次运行结果也不同 训练后网络 的仿真输出曲线和原函数的曲线非常接近 这说明训练后的网络对非线性函数的逼近效果 很好 网络训练过程中误差随训练时间的变化迅速减少 在经过 6