利用BP神经网络逼近函数——Python实现

最新推荐文章于 2024-07-25 23:52:06 发布

一瓶果粒橙

最新推荐文章于 2024-07-25 23:52:06 发布

阅读量1.4w

点赞数 17

分类专栏： Python 机器学习

本文链接：https://blog.csdn.net/mingyang_wang/article/details/81711171

版权

本文介绍了如何使用Python实现BP神经网络来逼近函数，基于MATLAB版本进行改编。通过代码示例展示对正弦函数的逼近过程，并讨论了点的数量和迭代次数对拟合效果的影响，提供改进后的参数设置以获得更好的拟合结果。

摘要由CSDN通过智能技术生成

文章主要参考https://blog.csdn.net/john_bian/article/details/79503572，原文是matlab版本的实现。在此基础上，利用Python实现BP网络对函数 $y=sinx$ 的逼近。对于BP神经网络的基本原理以及推导，这里就不再赘述，可以查阅相关文献。

代码如下：相应部分都有注释

###function approximation f(x)=sin(x)
###2018.08.15
###激活函数用的是sigmoid

import numpy as np
import math
#import matplotlib.pyplot as plt

x = np.linspace(-3,3,100)
x_size = x.size
y = np.zeros((x_size,1))
# print(y.size)
for i in range(x_size):
    y[i]= math.sin(x[i])




hidesize = 10
W1 = np.random.random((hidesize,1)) #输入层与隐层之间的权重
B1 = np.random.random((hidesize,1)) #隐含层神经元的阈值
W2 = np.random.random((1,hidesize)) #隐含层与输出层之间的权重
B2 = np.random.random((1,1)) #输出层神经元的阈值
threshold = 0.005
max_steps = 501
def sigmoid(x_):
    y_ &