利用matlab的newff构建BP神经网络来实现数据的逼近和拟合

假设P是原始数据向量；

T是对应的目标向量；

现在需要通过神经网络来实现P->T的非线性映射。

net = newff(minmax(P),[16,1],{'tansig','purelin'},'trainlm');

net.trainParam.epochs = 2000;

net.trainParam.goal = 1e-5;

net = init(net);

net = train(net,P,T);

T' = sim(net,P)

上面描述的是一层隐含层一层输出层的BP神经网络，训练函数是L-M。

可以通过norm(T'-T),mse(T'-T)等评估拟合的效果。

需要说明的是:

trainlm算法速度比较快，容易过拟合，不利于推广，适合数据集很全时的映射使用；

traingdx适合推广，可以设置goal来提前停止