实例1

BP神经网络在非线性函数拟合中的应用

自1985 年 Rumelhart 等几位学者提出误差反向传播的学习机制以来，经过不断改进与完善，已发展成为现在的 BP 神经网络。BP 神经网络具有完善的理论体系、清晰的算法流程、强大的数据识别和模拟功能。在解决非线性系统问题时，优势明显，突显出巨大的实际应用价值。

对所测量得到的实验数据进行拟合是从实践到理论的一个重要环节，而常规的拟合方法由于基函数的限制，对于函数的拟合只能是线性的，或者是一维的，或者只针对某一类型的问题，而BP神经网络由于其基函数可选，结构灵活，因而对于多维空间的非线性拟合具有强大的优势。

作为第1个实例，本章先介绍BP神经网络的基本概念和相应的MATLAB函数，然后通过编写代码实例比较BP神经网络拟合、多项式拟合与MATLAB自带的非线性拟合方法的拟合效果，使读者在学习神经网络编程的同时，也认识到BP神经网络在非线性拟合中的巨大优势。