神经网络实验报告

、0.001);Р2)、讨论RBF神经网络中参数σ2的大小对拟合模型的精度和泛化能力的影响。Р三、实验内容Р程序如下:Рx = 0:.003:1;РT = sin(12*pi*sin(4*pi*x.*(1-x)))Рfigure(1)Рplot(x,T,'+');Рtitle('Training Vectors');Рxlabel('Input Vector x');Рylabel('Target Vector T');РpauseРfigure(2)Рeg = 0.0001; % sum-squared error goalРsc = 0.003; % spread constantРnet = newrbe(x,T,sc);Рplot(x,T,'+');Рxlabel('Input');РX = 0:.0002:1;РY = ,X);Рhold on;Рplot(X,Y);Рhold off;Рlegend({'Target','Output'})Рnet.iw{1}Р采样间隔对拟合精度的影响Р采样间隔好似0.01 σ2是0.003Р采样间隔是0.003 σ2是0.003Р采样间隔是0.001 σ2是0.003Р从上述仿真结果可得出结论:当σ2选择一个适当值固定不变后,采样间隔减小,拟合精度增加。Рσ2对拟合精度的影响Р采样间隔好似0.001 σ2是0.03Р采样间隔好似0.001 σ2是0.003Р采样间隔好似0.001 σ2是0.001Р从上述仿真结果可以得出:当采样间隔选择一个适当值时,σ2(在一定范围内)越小,拟合结果越好,尤其是在函数变化较为剧烈的区间。Р四、实验总结Р本次实验在编写程序方面由于是使用老师的参考程序,因此没有遇到问题,主要的疑问是在选择参数上,最后在老师的帮助下,确定了参数的变化范围,改变两个参数后,得到仿真结果,分析后得到结论,实验顺利结束。