%bp2.m; 例4.2 % P=[-3,2];T=[0.4,0.8]; net=newlind(P,T); %设计线性网络 y=sim(net,P); w1=net.iw{1,1},b1=net.b{1} net=newcf(minmax(P),[1],{'tansig'}); %创建前向BP网络 net.trainParam.epochs=50; %初始化训练次数 net.trainParam.goal=0.001; %初始化目标误差 net=train(net,P,T); %训练网络 W=net.iw{1,1}, B=net.b{1} Y=sim(net,P); %计算结果 pause plot(P,T,'r:') %画出目标点 hold on plot(P,Y) %画输入为横轴、输出为纵轴的曲线 plot(P,y,'c+') hold off

这段代码是用于训练一个前向反馈神经网络，实现对一组输入输出数据进行拟合。其中，输入数据为P，输出数据为T。神经网络的结构为一个输入层和一个输出层，采用tansig作为激活函数。训练次数为50次，目标误差为0.001。训练后，得到了网络的权重W和偏置B，用于计算对输入数据的预测结果。最后，通过画图的方式展示了目标点和预测曲线。