%使用BP神經網絡來對函數：y=nonlinear_func（x1x2）進行逼近
clc;?%清屏??
close?all;?%關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]中隨機生成1000個BP神經網絡的訓練樣本
%并將樣本的數據保存在名為trdata的矩陣中
%此時trdata為1000*3的矩陣，且第12兩列存放x1，x2的值，第3列存放與之對應函數的值
trdata_nums?=?1000;
trdata?=?[];
for?i?=?1:1:trdata_nums
????x1?=?1.1*rand（）;????%在[01.1]中隨機產生一個數作為x1的值
????x2?=?1.1*rand（）;????%在[01.1]中隨機產生一個數作為x2的值
????y?=?nonlinear_func（x1x2）;??%計算對應x1，x2的函數值
????trdata?=?[trdata;x1x2y];
end

%BP神經網絡的輸入節點有2個，輸出節點有1個，隱含節點的個數設置為hidden_nums個
%利用rands（）函數，產生輸入層到隱含層（w1）和隱含層到輸出層（w2）的初始權值
%并用zeros（）函數，將初始權值的變換量設為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\