利用BP神经网络逼近非线性函数（不使用网络工具箱）

利用BP神经网络逼近非线性函数(不使用网络工具箱)，可自行修改节点数，学习率等参数。

%使用BP神经网络来对函数：y=nonlinear_func（x1x2）进行逼近
clc; %清屏  
close all; %关闭已打开的所有视图窗口
clear all; %清除工作空间中的所有变量

%首先，在[01]中随机生成1000个BP神经网络的训练样本
%并将样本的数据保存在名为trdata的矩阵中
%此时trdata为1000*3的矩阵，且第12两列存放x1，x2的值，第3列存放与之对应函数的值
trdata_nums = 1000;
trdata = [];
for i = 1:1:trdata_nums
    x1 = 1.1*rand（）;    %在[01.1]中随机产生一个数作为x1的值
    x2 = 1.1*rand（）;    %在[01.1]中随机产生一个数作为x2的值
    y = nonlinear_func（x1x2）;  %计算对应x1，x2的函数值
    trdata = [trdata;x1x2y];
end

%BP神经网络的输入节点有2个，输出节点有1个，隐含节点的个数设置为hidden_nums个
%利用rands（）函数，产生输入层到隐含层（w1）和隐含层到输出层（w2）的初始权值
%并用zeros（）函数，将初始权值的变换量设为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

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        3253  2019-01-21 11:19  BFBP\BFBP.m
     文件          93  2019-01-21 11:17  BFBP\nonlinear_func.m
     目录           0  2019-01-21 11:38  BFBP\