%使用BP神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)函數(shù)：y=nonlinear_func（x1x2）進(jìn)行逼近
clc;?%清屏??
close?all;?%關(guān)閉已打開的所有視圖窗口
clear?all;?%清除工作空間中的所有變量

%首先，在[01]中隨機(jī)生成1000個(gè)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本
%并將樣本的數(shù)據(jù)保存在名為trdata的矩陣中
%此時(shí)trdata為1000*3的矩陣，且第12兩列存放x1，x2的值，第3列存放與之對(duì)應(yīng)函數(shù)的值
trdata_nums?=?1000;
trdata?=?[];
for?i?=?1:1:trdata_nums
????x1?=?1.1*rand（）;????%在[01.1]中隨機(jī)產(chǎn)生一個(gè)數(shù)作為x1的值
????x2?=?1.1*rand（）;????%在[01.1]中隨機(jī)產(chǎn)生一個(gè)數(shù)作為x2的值
????y?=?nonlinear_func（x1x2）;??%計(jì)算對(duì)應(yīng)x1，x2的函數(shù)值
????trdata?=?[trdata;x1x2y];
end

%BP神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)有2個(gè)，輸出節(jié)點(diǎn)有1個(gè)，隱含節(jié)點(diǎn)的個(gè)數(shù)設(shè)置為hidden_nums個(gè)
%利用rands（）函數(shù)，產(chǎn)生輸入層到隱含層（w1）和隱含層到輸出層（w2）的初始權(quán)值
%并用zeros（）函數(shù)，將初始權(quán)值的變換量設(shè)為0
input_nums?=?2;
hidden_nums?=?19;
output_nums?=?1;
w1?=?rands（input_numshidden_nums）;
w2?=?rands（hidden_numsoutput_nums）;
dw1?=?zeros（input_numshidden_nums）;
dw2?=?zeros（hidden_numsoutput_nums）;
hidden?=?r

?屬性????????????大小?????日期????時(shí)間???名稱
-----------?---------??----------?-----??----
?????文件????????3253??2019-01-21?11:19??BFBP\BFBP.m
?????文件??????????93??2019-01-21?11:17??BFBP\nonlinear_func.m
?????目錄???????????0??2019-01-21?11:38??BFBP\