基本信息

---

下载

   友情提示：（无需注册或充值，赞助后即可获取资源下载链接）

---

     嘿，亲！知识可是无价之宝呢，但咱这精心整理的资料也耗费了不少心血呀。小小地破费一下，绝对物超所值哦！如有下载和支付问题，请联系我们QQ(微信同号)：813200300

本次赞助数额为： 2 元　

支付宝支付

微信支付

   源码介绍

---

% BP网络函数逼近实例

% 1.首先定义正弦函数，采样率为20Hz，频率为1Hz

k = 1; % 设定正弦信号频率

p = [0:0.05:4];

t = cos(k*pi*p) 3*sin(pi*p);

plot(p, t, '-'), xlabel('时间'); ylabel('输入信号');

% 2.生成BP网络。用newff函数生成前向型BP网络，设定隐层中神经元数目为10

% 分别选择隐层的传递函数为 tansig，输出层的传递函数为 purelin，

% 学习算法为trainlm。

net =newff(minmax(p),[10,10,1],{'tansig','tansig','purelin'},'trainlm');

% 3.对生成的网络进行仿真并做图显示。

y1 = sim(net,p); plot(p, t, '-', p, y1, '--')

% 4.训练。对网络进行训练，设定训练误差目标为 1e-5，最大迭代次数为300，

% 学习速率为0.05。

net.trainParam.lr=0.05;

net.trainParam.epochs=1000;

net.trainParam.goal=1e-5;

[net,tr]=train(net,p,t);

%5.再次对生成的网络进行仿真并做图显示。

y2 = sim(net,p);

plot(p, t, '-', p, y2, '--')