闲来无事,利用神经网络进行曲线拟合目的:拟合正弦曲线;数据源:正弦曲线+扰动,来自y=sin(x)+n;测试数据:来自y=sin(x);神经网络:BP神经网络,nntool工具箱;网络:1×10×1;即单隐含层,且隐含层有10个节点;MATLAB代码:%%%本例使用神经网络模拟曲线拟合%%clcclear%%x=linspace(-2*pi,2*pi,100);%生成输入数据y=sin(x);%求出输入数据对应的目标值n=0.1*rand(1,length(x));%对目标值加入干扰y=y+n;%求出实际目标值%%[xx,ps]=mapminmax(x);%对x进行归一化Data_input=xx;%网络训练输入Data_target=y;%网络训练输入对应的目标值Data_test=linspace(-5,5,20);%网络测试数据Data_t=mapminmax('apply',Data_test,ps);%网络测试数据归一化Data_true=sin(Data_test);%网络测试数据对应的目标值%%%打开nntool,利用输入输出数据训练网络,网络命名为network%%Data_y=sim(network,Data_t);%利用训练好的网络求出测试数据对应的实际输出值%%figure(1)e=Data_true-Data_y;plot(e)%绘制误差曲线xlabel('X轴');ylabel('Y轴');legend('误差')%%figure(2)plot(Data_test,network1_outputs,'*',x,y)xlabel('X轴');ylabel('Y轴');legend('预测值','实际值','location','NorthEast')下面具体说明nntool工具箱的使用:命令行输入nntool:打开工具箱界面:单击Import,导入训练数据,并选择对应的训练类型,如图所示:新建网络,命名为network,采用BP神经网络,即误差反向算法,选择Inputdata和Targetdata,其他选项默认,点击Create创建BP神经网络,如下图所示:点击View,可以预览网络结构,如下图所示:返回主界面,选中新建的network,然后点击Open打开,选择Train,再次选择Inputs和Targets,开始训练网络,点击Tarinnetwrk训练过程和结果如下图所示:为了便于在M文件中使用新建的network,可以将其导出到工作空间,点击Export:工作空间中出现network,如下图所示:接下来可以使用sim函数求网络对测试数据的输出,并绘制误差曲线:结果:可以看出,拟合效果很好