BP神经网络文档_第1页
BP神经网络文档_第2页
BP神经网络文档_第3页
BP神经网络文档_第4页
BP神经网络文档_第5页
已阅读5页,还剩3页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

问题:用三层BP网络来模拟单输入单输出系统设初始化时,取网络节点个数如图。试画出BP算法详细框图,编写BP程序并用符合的100组样本进行训练,看训练完成后,网络对的逼近效果。若效果不理想,再增加一个5节点的隐层,然后再训练,结果如何?解答过程:1、BP算法框图图1BP算法框图求输出(1)对于第一层:可得:(2)对于第二层:可得:(3)对于第三层:可得:输出取权系数初始值。求权系数值(1)输出层依次类推可以得到:(2)隐层(3)输入层当进行第二组样本训练时,继续循环上面的运算。直到:程序和实验程序为Matlab程序,直接调用Matlab神经网络工具箱实现。源程序:p=[-2*pi:.02*pi:2*pi];t=abs(cos(p));plot(p,t,'-')title('要逼近的非线性函数');xlabel('时间');ylabel('非线性函数');%建立相应的BP网络net=newff(minmax(p),[3,4,1],{'tansig''tansig''purelin'},'trainlm');%对没有训练的网络进行仿真y1=sim(net,p);%绘出仿真得到的曲线figure;plot(p,t,'-',p,y1,'--')title('没有训练的网络仿真结果');xlabel('时间');ylabel('仿真输出--原函数-');%训练网络net.trainParam.lr=0.5;%设置学习系数net.trainParam.epochs=1000;%设置最大训练循环次数net.trainParam.goal=0.0001;%设置想要达到的精度net=train(net,p,t);%对训练后的网络进行仿真y2=sim(net,p);%绘出训练后的仿真结果figure;plot(p,t,'-',p,y2,'--')title('训练后的网络仿真结果');xlabel('时间');ylabel('仿真输出');训练后的结果如下图所示:从上面的图可以看出,

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论