1樓：匿名使用者
你這個問題其實我回答過，你可以參考
2樓：
最簡單的擬合方法就是利用matlab中的nntool工具箱，無論是知道擬合曲線的形式還是不知道，都可以用nntool工具箱。我做出來的擬合曲線即相關引數，擬合影象分別如下圖。
講解bp神經網路比較好的書有：matlab神經網路：從零開始》（共上下兩冊）和
《matlab 神經網路30個案例分析》
3樓：添顏旅行
人工神經網路第一次作業
題目：使用函式
sin()au
tecu
試驗matlab
中的bp演算法1
、改變不同訓練演算法，觀察效果；
2、改變引數
a,c的值，觀察效果；
3、改變隱層神經網路個數，觀察效果；
4、嘗試：加入雜訊的訓練效果。
一、改變不同訓練演算法，觀察效果
在matlab
中，bp
網路的訓練函式一共有以下幾種，改變不同訓練演算法，
觀察效果就是在其他引數不變只改變程式中訓練函式的情況下，
得到不同訓練算
法的訓練結果。
訓練方法
訓練函式
梯度下降法
traingd
有動量的梯度下降法
traingdm
自適應lr
梯度下降法
traingda
自適應lr
動量梯度下降法
traingdx
彈性梯度下降法
trainrp
fletcher-reeves
共軛梯度法
traincgf
ploak-ribiere
共軛梯度法
traincgp
powell-beale
共軛梯度法
traincgb
量化共軛梯度法
trainscg
擬牛頓演算法
trainbfg
一步正割演算法
trainoss
levenberg-marquardt
法trainlm
由於這只是改變程式中的訓練演算法，
其他不變，
所以為了簡潔，
在本程式中
只選取了四種訓練演算法，
分別是梯度下降法
traingd
、彈性梯度下降法
trainrp、擬
牛頓演算法
trainbfg
和levenberg-marquardt
法trainlm
，只更改不同的訓練演算法來
構造節點，程式如下，得到不同訓練演算法下的**圖如圖
1所示。
clear
all;
close
all;
clc;
a=1,c=1;
%在此改變
a,c的值
layer_number=20;
%在此改隱含層的個數
u=-4:0.001:4;
t=exp(-a*u).*sin(c*u);
%這裡是矩陣相乘，要用點乘
net=newff(minmax(u),[layer_number,1],,
'traingd');%
梯度下降法
y1=sim(net,u);
%未訓練直接輸出
net1=newff(minmax(u),[layer_number,1],,
'traingd');
%梯度下降法
net2=newff(minmax(u),[layer_number,1],,
'trainrp');
%彈性梯度下降法
net3=newff(minmax(u),[layer_number,1],,
'trainbfg');%
擬牛頓演算法
net4=newff(minmax(u),[layer_number,1],,
'trainlm');
%levenberg-marquardt
net.trainparam.show = 50;
net.trainparam.epochs=1000;
net.trainparam.goal=0.01;
net1=train(net1,u,t);
%採用梯度下降法訓練節點
net2=train(net2,u,t);
%採用彈性梯度下降法訓練節點
net3=train(net3,u,t);
%採用擬牛頓演算法訓練節點
net4=train(net4,u,t);%採用
levenberg-marquardt
法訓練節點
y2_1=sim(net1,u);
y2_2=sim(net2,u);
y2_3=sim(net3,u);
y2_4=sim(net4,u);
subplot(2,2,1)
plot(u,t,
'b--'
,u,y1,
'g:'
,u,y2_1,
'r-'
); title(
'1、採用梯度下降法的**結果圖
');xlabel(
'input_u'
);ylabel(
'output_y'
);legend(
'目標函式曲線',
'未經訓練
bp網路逼近曲線',
'訓練後的
bp網路逼近曲線');
subplot(2,2,2)
plot(u,t,
'b--'
,u,y1,
'g:'
,u,y2_2,
'r-'
) title(
'2、採用彈性梯度下降法的**結果圖
');xlabel(
'input_u'
);ylabel(
'output_y'
);legend(
'目標函式曲線',
'未經訓練
bp網路逼近曲線',
'訓練後的
bp網路逼近曲線');
subplot(2,2,3)
plot(u,t,
'b--'
,u,y1,
'g:'
,u,y2_3,
'r-'
) title(
'3、採用擬牛頓演算法的**結果圖
');xlabel(
'input_u'
);ylabel(
'output_y'
);legend(
'目標函式曲線',
'未經訓練
bp網路逼近曲線',
'訓練後的
bp網路逼近曲線');
subplot(2,2,4)
plot(u,t,
'b--'
,u,y1,
'g:'
,u,y2_4,
'r-'
) title(
'4、採用
levenberg-marquardt
法的**結果圖
');xlabel(
'input_u'
);ylabel(
'output_y'
);legend(
'目標函式曲線',
'未經訓練
bp網路逼近曲線',
'訓練後的
bp網路逼近曲線');
matlab中建立bp神經網路的函式newff的引數的
1.newff雖然沒有規定輸入層神經元個數，那輸入層神經元個數是如何確定的？輸入層是根據你讀入資料的維度，自動生成的。2.我現在讀入了10張 把每張 歸一化成了50 20的，並轉換成1 1000的行向量，最後生成了10 1000的二維矩陣，然後，我再用eye 10,10 函式製造了一個單位矩陣，那麼...
BP人工神經網路的收斂是什麼，bp神經網路收斂問題
檀君博 收斂和迭代演算法有關。反向傳播演算法是定義乙個誤差er 往往是輸出結果與預想結果之間的某個範數 然後求出滿足誤差極小的權向量。如果把誤差看成乙個連續函式 泛函 的話，求對權向量各分量的偏導為0即可，但是實際上它是離散的，所以我們需要用迭代來求最小梯度。如果是新定義演算法的話理論上的收斂要證明...
求助，應用BP神經網路逼近非線性函式
文庫精選 內容來自使用者 金海望 bp神經網路逼近非線性函式 3 試用bp神經網路逼近非線性函式 f u sin 10u 其中，u 0.5,0.5 解題步驟 網路建立 使用 net newff minmax x 20,1 語句建立個前饋bp神經網路。該bp神經網路只含個隱含層，且神經元的個數為20。...