%% 学习目标:BP神经网络
%% 函数逼近 数据压缩 模式识别
%% 考虑要素: 网络层数 输入层的节点数 输出层的节点数 隐含层的节点数
%% 传输函数 训练方法
%% 对信号曲线进行拟合
clear all;
P=-1:0.04:1;
T=sin(2*pi*P)+0.1*randn(size(P)); %%建立输入输出
net=newff(P,T,18,{},\'trainbr\'); %%隐含层神经元个数是18
net.trainParam.show=10;
net.trainParam.epochs=10; %% 训练100次
net=train(net,P,T);
Y=sim(net,P);
figure;
plot(P,T,\'-\',P,Y,\'+\');
legend(\'原始信号\',\'网络输出信号\');
set(gcf,\'position\',[20,20,500,400]);