資源簡介
使用動態的差分進化算法訓練人工神經網絡逼近函數。有詳細的代碼解釋。適合學習者

代碼片段和文件信息
function?[?error?]?=?ANNerror(?Whidneurons?)
%函數為?y=exp(-x).*sin(2*pi*x);
%ANN結構
Wih=zeros(2hidneurons);%Wih(2:)為偏置
Whj=zeros(1hidneurons+1);
count=1;
for?i=1:2
????for?j=1:hidneurons
????????Wih(ij)=W(count);
????????count=count+1;
????end
end
Whj(1:hidneurons+1)=W(2*hidneurons+1:3*hidneurons+1);
%函數設置
x=0:0.1:1;
y=exp(-x).*sin(2*pi*x);
Q=length(x);
error=0;
%測試
for?i=1:Q
????input=[x(i)1];%1*2
????zh=input?*?Wih;%1*hidneurons
????sh=logsig(zh);
????
????sh=[sh1];%1*(hidneurons+1)
????yj=sh*Whj‘;
????Ek?=?y(i)?-?yj;
????
????error?=?error+(1/2)*sum(Ek^2);
end
?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件???????3794??2011-09-12?16:04??Dynamic_DE_ANN.m
?????文件????????685??2011-09-12?15:15??plot_ANN.m
?????文件????????630??2011-09-12?15:34??ANNerror.m
-----------?---------??----------?-----??----
?????????????????5109????????????????????3
- 上一篇:張的LIF模型
- 下一篇:支持向量機求最優分類面的一個解答
評論
共有 條評論