文档介绍：计算机实践数学实验报告(一) 实验名称:神经网络模型问题描述 ,研究以下各函数的逼近问题(1) (2) 对每一函数要完成如下工作: ?获取两组数据,一组作为训练集,一组作为测试集; ?利用训练集训练一个单隐层的网络;用测试集检验训练结果,改变隐层单元数, 11 个点的数据,在此数据的输出值上加均值为 0 ,均方差的正态分布噪声作为给定训练数据,用多项式拟合此函数,分别取多项式的阶次为 1,3和 11阶,图示出拟合结果,并讨论多项式阶次对拟合结果的影响. 实验目的 ; ,研究不同逼近效果. . ,分别为自变量和因变量. 输出层包含一个元素目的是将结果进行区分. ,分别表示满足函数关系. 图 , 可能接近于 . 问题二用不同阶多项式拟合函数,. 输入层包含一个元素即自变量. ,,得到多项式拟合结果. 主要内容: ::输入为: . ,它们是同一个函数上的点. ,对数据进行训练. ,得到输出结果. . . 7. 针对问题二中的函数选取, 对加均值为 0 ,均方差的正态分布噪声后的结果作为训练集. . ,做出图像. 实验过程记录第一题第一个函数的代码如下(第二个函数的类似,不列出): clear all ; x1=1:10:91; y1=1./x1; x11=5:30:95; y11=1./x11; p1=[x1;y1]; p11=[x11;y11]; pr=minmax(p1); goal=ones(1,10); plot(p1(1,:),p1(2,:), 'h' ,p11(1,:) ,p11(2,:), 'o' ) net=newff(pr,[10,1],{ 'logsig' , 'l ogsig' }); = 10; = ; = 1e-10; = 50000; net = ,p1,goal); x=[p11]; y0=,p1) y=,x) 第二题的部分代码如下: clear all ; x=0::1 y0=+*sin(2*pi*x) noise=normrnd(0,,1,11); y0=y0+noise; net2=newff(pr,[4,1],{ 'logsig' , 'l ogsig' }); = 10; = ; = 1e-10; = 50000; net2 = 2,x,goal); y2=2,x) plot(x,y0, 'h' ,x,y1, 'o' ,x,y2, '.' , x,y3, '*' ) 实验结果及实验总结第一题: 不同单元个数下的预测结果 3个 0 8个可以看出,单隐层的元素个数不同会影响拟合的值,但影响程度不大。图 :为方便计算,采取间隔选取的方式。实际应用中可能不是这样。第二题表1不同阶数的多项式拟合结果 1阶 3阶