BP神经网络拟合sin(x)函数

本文通过BP神经网络探讨函数逼近问题,以逼近y=sin(k*x)为例,分析未训练模型与训练后模型在-2<=x<=2区间的拟合效果。经过2000次训练,精度达到0.001,结果显示训练后的BP网络能有效提升逼近正弦曲线的效果,对于不同k值也有良好表现。
摘要由CSDN通过智能技术生成

1、BP网络的函数逼近

    BP网络有很强的映射能力,主要用于模式识别和函数逼近。可以采用BP网络函数逼近的能力来求解数学式难以表达的函数,下面以逼近正弦函数为例。

   针对y=sin(k*x),k=1、3、5,建立BP神经网络对y在区间-2<=x<=2上进行逼近

2、代码实现

k=1;
x=-2:.05:2;
y=sin(k*x);
n=20;
net=newff(x,y,[n,1],{'tansig' 'purelin'},'trainlm');
y1=sim(net,x);
plot(x,y,'g-',x,y1,'r.');
xlabel('x')
ylabel('sin(kx)');
title('k=1时,BP网络逼近sin(kx)');
legend('要逼近的正旋曲线','BP网络逼近曲线');

3、结果呈现

分析结果可知ÿ

  • 4
    点赞
  • 56
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值