R语言实现神经网络算法

题目如下：
从函数关系y=x1^2+x2^2产生2000组样本数据，其中1900组作为学习集，100组作为待测集。用R语言建立合适的BP神经网络模型并利用上述学习集进行训练。然后用训练后的神经网络模型对待测集进行预测，画图对比预测值和理想值之间的误差情况

具体如下：

library(AMORE)

x1 <- round(runif(2000,1,2000))         #随机生成2000个数

x2 <- round(runif(2000,1,2000))         

x11 <- scale(x1[1:1900])                            #数据标准化，并选取1900个组作为学习集

x12 <- scale(x2[1:1900])              

x21 <- scale(x1[1901:2000])               #选取100组作为待测集

x22 <- scale(x2[1901:2000])

y1 <- x11^2+x12^2

y2 <-x21^2+x22^2

p <-cbind(x11,x12)                     #整合为矩阵

q <-cbind(x21,x22)

target = y1

net<-newff(n.neurons=c(2,2,1),learning.rate.global=1e-2,momentum.global=0.4,error.criterium="LMS", Stao=NA,hidden.layer="tansig",

             output.layer="purelin",method="ADAPTgdwm")

result <- train(net, p, target,error.criterium="LMS", report=TRUE, show.step=100, n.shows=5 )

z <- sim(result$net, q)          #对待测集进行预测

plot(q[1:100,1],z, col="blue",pch="+")                    画出待测集模型运算后的图形

points(q[1:100,1],y2,col="red", pch="x")          画出待测集图形，并比较两者之间的差异。