Question

求助，应用BP神经网络逼近非线性函数

. 作业内容：应用BP神经网络逼近非线性函数
2. 作业要求：
a. 非线性函数形式自选，要求必须是多个自变量输入的非线性函数，可以是单输出也可以是多输出，例如：y=sin(x1)+sin(x2)即可视为两个自变量一个因变量的非线性函数，符合本次作业要求。而形如y=sin(x)+cos(x)+e^{-x}的函数均为一个自变量的非线性函数，不符合本作业的要求。不符合要求的作业记为0分。
b. 逼近误差<5%，即：应用测试数据对网络进行测试时，神经网络输出与期望值的最大误差的绝对值小于期望值的5%。
c. 学习方法为经典的BP算法或改进形式的BP算法，鼓励采用改进形式的BP算法。
d. 不允许采用matlab中现有的关于神经网络建立、学习、仿真的任何函数及命令，如果采用，作业无效，平时成绩该项为0分。
e. 提交源程序并加适当注释，并保证能顺利运行出正确结果。

Answer 1

该作业要求不可使用Matlab自带的神经网络函数，这是因为如果允许使用，则三个函数：newff函数建立网络、train函数训练、sim函数就直接完成作业了。

下面这个附件的第二个案例，就是自己编程，使用BP算法逼近非线性函数y=x1^2+x2^2.该函数为双自变量的非线性函数，完全符合你的作业的要求，可以说你可以直接不用修改，提交该代码作为你的作业。但建议你还是改一下，例如将函数换成其他非线性函数如三角函数等。也可使用改进的如加动量项、自适应学习率、引入陡度因子等方法。

BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。

追问

零基础。。。看不懂啊，而且x1,x2以矩阵输入，很多人说不会

追答

那就从基础学起吧，这个代码其实不用任何修改，你可以直接把它交作业。

追问

没时间学，今天就要交作业了，而且那个程序肯定不符合要求

追答

要不要这么学渣…而且代码为什么不符合要求，哪一条不对？我一条条对着你列的条件，全都符合的。

追问

用了netff,train

追答

哦确实是，我记错了。但第一个案例没用神经网络函数啊，你可以以它为基础修改下，只需要将第二个案例的样本换到第一个案例上就可以了。