BP神经网络完整版.doc

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1 BP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，训练的结果不是很理想，现在新加5个节点，对该网络进行重新训练，其结果如下： 从上图可以看出，新加5个节点后，训练的效果比之前的较好。