BP
神经网络用于函数拟合的实验
一、实验目的
本实验要求掌握前向型神经网络的基本工作原理及利用反向传播确定权系数的方
法,并能在
MATLAB
仿真环境下设计相应的神经网络,实现对非线性函数的逼近与拟合,
并分析影响函数拟合效果的相关因素。
二
、实验要求
设计神经网络的基本结构与激励函数,实现对非线性函数
y=sin(
x
)
的逼近与拟合,
并分析影响函数拟合效果的相关参数(包括激励函数的选择
sigmoid
、线性函数、权系
数的初值、步长的大小、训练样本的多少等)
,并对比实验效果。
三、实验步骤
1.
确定神经网络的结构
本次实验采用前向型
BP
神经网络,神经元分层排列,每一层的神经元只接受前一
层神经元的输入。输入模式经过各层的顺序变换后,得到输出层输出。各神经元之间不
存在反馈。
该实验神经网络含输入层和输出层两层神经元,其中输入层含六个神经元,输出层
含一个神经元。输入信号传输到输入层,在输出层得到拟合结果。
2.
确定采用的激励函数、拟合方法
选择激励函数为
sigmoid
的函数,因其便于求导,且值域在(
0,1
)之间,具有较
好的收敛特性。
拟合方法采用梯度下降法,该方法使试验数值沿梯度方向增加有限步长,避免了盲
目搜索,提高搜索效率。
3.
训练流程
1
)初始化各参数
2
)开始训练
3
)计算误差
4
)计算广义误差
5
)调整连接权系数,直到误差小于设定值
6
)编写程序实现对非线性函数
y=sin(x)
的逼近与拟合