www.pudn.com > netrual_net_02.rar > netrual_net_02.m

% 
input_count=1;%输入层节点数 
hidden_count1=3;%隐含层1节点数 
hidden_count2=4;%隐含层2节点数 
output_count=1;%输出层节点数 
% 
x0=[-2*pi:4*pi/9999:2*pi];%输入样本 
d2=abs(cos(x0));%网络输出 
% 
w0=ones(hidden_count1,input_count);%输入层与隐含层1的初始连接权值 
w1=ones(hidden_count2,hidden_count1);%隐含层1与隐含层2的初始连接权值 
w2=ones(output_count,hidden_count2);%隐含层2与输出层的初始连接权值 
%进行训练 
for i=1:10000 
    n1=w0*x0(i);%计算隐含层1 
    x1=1./(1+exp(-n1)); 
    n2=w1*x1;%计算隐含层2； 
    x2=1./(1+exp(-n2)); 
    n3=w2*x2;%计算输出层 
    y(i)=1./(1+exp(-n3)); 
    E(i)=((d2(i)-y(i)).^2)./2;%计算误差 
    %调整权系数 
    u=8;%设定学习率 
    %对于输出层 
    D2=(d2(i)-y(i)).*exp((-n3))./(1+exp((-n3))).^2.*x2'; 
    w2=w2+u*D2; 
    %对于隐含层2 
    D1=(d2(i)-y(i)).*exp((-n3))./(1+exp((-n3))).^2.*exp((-n2))./(1+exp((-n2))).^2.*w2'*x1'; 
    w1=w1+u*D1; 
    %对于隐含层1 
    D0=(((d2(i)-y(i)).*exp((-n3))./(1+exp((-n3))).^2.*exp((-n2))./(1+exp((-n2))).^2.*w2')'*w1)'.*exp((-n1))./(1+exp((-n1))).^2.*x0(i); 
    w0=w0+u*D0;        
end 
%查看结果 
plot(x0,d2,x0,y,x0,E)