Matlab实现简单BP神经网络

实验目的

1）掌握BP神经网络算法的基本设计实现并拟合函数。

2）熟练掌握误差反馈对网络权重修正的机理；

3) 分析实验结果来验证理解BP神经网络算法中学习率参数的重要性。

实验内容与步骤

1、BP神经网络结构设计

典型的BP神经网络为三层结构：输入层、隐含层和输出层。

输入层接受算法的输入，在本实例中对应为x。输入层节点的个数应当和x的维数对应，在本实例中，输入x为标量，因此输入层节点个数为1。

隐含层结点个数可以自行设定，在本实例中建议为6个。

输出层结点个数应当和输出y的维数对应，在本实例中，输出y为标量，因此输出层节点个数为1。

2、算法基本思路

给定组样本；；；。这里为一维输入矢量，为一维期望输出矢量。假设矢量为网络的实际输出。

则训练过程为：

1)       确定神经网络结构为1-6-1型，选作为最大容许误差，并给出隐层到输出层的权矩阵，输入层到隐层的权矩阵，将其初始化为某一小的随机权矩阵。

2)       依次输入样本，计算网络的实际输出。

3)       计算误差，。

4)       计算各层权值的变化量

5)       调节权值

6)       若，则，转2），否则转7）。

7)       若，结束，否则，，转2&