文件名称：神经网络论文中的函数逼近matlab源码
文件大小：7KB
文件格式：ZIP
更新时间：2015-11-29 08:49:01
函数逼近 神经网络 matlab
函数逼近（Function Approximation ）是函数论中的一个重要组成部分,其在数值计算中的作用是十分重要的。运用神经网络进行函数逼近,为函数逼近的发展提供了一条新的思路。 用神经网络作函数的逼近有许多优点: 首先,它提供了一个标准的逼近结构及逼近工具,这个工具可以随着隐层个数改变来达到任意精度; 其次,有标准的学习算法用以确定逼近函数的参数,并且这一过程是拟人的,即很好地模拟了人的学习过程;最后,能处理的数据对象十分广泛:适用于大规模的,高度非线性的,不完备的数据处理。 本文以几种典型神经网络为例(BP神经网络Function Approximation 、RBF神经网络www.BoliLib.com Approximation 、正交多项式基函数神经网络、样条基函数神经网络),对基于神经网络的函数逼近方法进行了研究。神经网络的函数逼近能力受神经元个数、学习率、学习次数和训练目标等因素的影响,因此,在研究过程中,充分运用神经网络的非线性逼近能力,首先对几种用于函数逼近的神经网络的结构及算法进行研究;再针对几种常用函数曲线,如正弦函数、指数函数、对数函数、三角函数等,分别用典型神经网络进行逼近,并对逼近效果进行比较,得到用于函数逼近的神经网络选取规律。所得结论经过实际仿真测试,证明了其有效性。 本文的研究结果对函数逼近的研究具有借鉴意义。
【文件预览】：
函数逼近
----Pade.m(780B)
----Chebyshev.m(579B)
----lmz.m(3KB)
----ZJZXEC.m(1KB)
----ZJPF.m(492B)
----FZZ.m(303B)
----Legendre.m(526B)
----SmartBJ.m(2KB)
----multifit.m(472B)
----SmartYTBJ.m(2KB)
----LZXEC.m(408B)
----DFF.m(136B)