神经元网络对复杂系统建模一

目标

Nf的训练

%神经元网络Nf
u=-10:0.01:10
f=u./(1+u.^2);
plot(u,f);%实际过程
x=rand(1,400)*20-10;%区间为[-10,10]的随机采样
y=x./(1+x.^2);%训练样本
netf=feedforwardnet([20,10]);
view(netf);
netf=train(netf,x,y);
yy=netf(u);%训练结果
plot(u,yy,'r');
hold on;
gtext('f[y]=y/[1+y^2]');

神经网络结构如下图：采用一个输入和输出层，两个隐层，各层的节点数分别为1，1，20和10。

训练结果：
Nf的训练结果如上图所示，其训练结果与实际过程基本一致

Ng的训练

Ng的训练与Nf的训练类似

对于特定输入的检测

相关代码见链接
得到真实过程与辨识模型的输出如下图，由图可见辨识结果几乎与实际输出完全一致。

Matlab代码链接

神经网络对复杂系统建模代码及报告