学号：XXXXXXX
题目：学院：专业：姓名：指导教师：完成日期：
基于BP神经网络的函数逼近仿真实例信息学院
计算机科学与技术XXXXXX
2011年5月9日
f摘要
BP（BackPropagatio
）网络是1986年由Rumelhart和McCella
d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向网络，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。在人工神经网络的实际应用中，绝大部分的神经网络模型都采用BP网络及其变化形式。它也是前向网络的核心部分，体现了人工神经网络的精华，在函数逼近、模式识别、分类、数据压缩等领域获得了极为有效而广泛的应用。
本文利用自行设计的BP网络开发工具，通过一个简单的三层BP神经网络模拟了对正弦函数（ysi
x）的逼近过程，并通过设置不同的网络参数初步探讨了学习率、动量项等因素对BP网络收敛性的影响。
全文共分为六个部分，第一部分介绍了BP神经网络的相关背景知识及算法相关公式的数学推导，这也是设计本次函数逼近网络模型的理论基础；第二部分详细介绍了本次函数逼近所采用的网络模型、逼近函数及相关参数，并通过实验给出设置相关参数的经验知识；第三部分介绍了系统设计思路、过程及相关细节，并包含核心代码展示；第四部分给出一次运行示例；第五部分是我对于BP神经网络及本次仿真的自我认识与评价；第六部分是结束语。关键词：BP网络；函数逼近；仿真
I
fAbstract
BP
eural
etworkmodelisaMultilayerFeedforwardNetworkmodelwhichwasfirstproposedbyaresearchteamledbyscie
tistsRumelharta
dMcCella
di
1986Trai
edbyErrorBackpropagatio
Algorithm
owitiso
eofthemostwidelyused
eural
etworkmodelsBP
etworkisabletolear
a
dstorevariousi
putoutputmappi
grelatio
shipswithoutpreviouslyk
owi
gtheexactmathematicsfu
ctio
whichrevealsthemAsthecoreofFeedforwardNetworka
desse
ceofArtificialNeuralNetworkitiswidelyusedi
fieldssuchasFu
ctio
approximatio
Patter
recog
itio
Classificatio
a
dDatacompressio
Thisthesisusesa3layerBP
eural
etworktosimulatetheprocessofapproximati
gtheSi
efu
ctio
a
dbysetti
gdiffere
t
etworkparametersitalsobrieflydiscussesthei
flue
ceofcertai
factorssuchaslear
i
grateo
theco
verge
ceofthisprocess
Thetextisdividedi
to6partsThefirstparti
troducessomebackgrou
dk
owledgeofBP
eural
etworka
dthemathematicsfou
datio
ofitwhichisalsothefou
datio
ofmysystemTheseco
dpartdiscussesmy
eural
etworkmodeltheapproximatedfu
ctio
a
dsomeimporta
tpoi
tsofdesig
r