MATLAB神经网络编程（七）——BP神经网络的实现

《MATLAB神经网络编程》 化学工业出版社 读书笔记
第四章 前向型神经网络 4.3 BP传播网络

本文是《MATLAB神经网络编程》书籍的阅读笔记，其中涉及的源码、公式、原理都来自此书，若有不理解之处请参阅原书

---

本文讲述BP网络常用的两个例子：函数逼近与噪声消除

【例4-34】利用一个单隐层的BP网络来逼近一个函数。

通过对函数进行采样得到了网络的输入变量P和目标变量T，在M文件中输入以下命令：

 P=-1:0.1:1;
T=[-0.9602 -0.5770 -0.0729 0.3771 0.6405 0.6600 0.4600 0.1336 -0.2013 -0.4344 -0.5000...
   -0.3930 -0.1647 0.0988 0.3072 0.3960 0.3449 0.1816 -0.0312 -0.2189 -0.3201];

每组向量都有21组数据，可以将输入向量和目标向量绘制在一起，如下图：

该网络的输入层与输出层的神经元个数均为1，根据以上的隐含层设计经验公式（时间久了，不记得这个公式在哪里了），以及考虑本例的实际情况，解决该问题的网络的隐层神经元个数应该在3~8之间。因此，下面设计一个隐含层神经元数目可变的BP网络，通过误差比，确定最佳的隐含层神经元个数，并检验隐含层神经元个数对网络性能的影响。
在M文件中输入命令：

P=-1:0.1:1;
T=[-0.9602 -0.5770 -0.0729 0.3771 0.6405 0.6600