3 基于BP神经网络的函数拟合算法设计与实现
3.1面向函数拟合的BP网络结构
下面设计BP神经网络，用于对非线性函数的拟合。通过各个参数的设置，观察BP神经网络对非线性函数拟合的效果。
3.1.1 函数问题的提出
对待拟合的函数进行采样，生成训练样本集，画出要拟合的非线性函数图像： 置k = 1为非线性函数频数，采样点为p=[-1:.05:1] ，即在-1到1之间每隔0.05开始采样，将其作为输入样本。非线性函数为t = 2*cos(k*pi*p)，t是p的函数，计算上面采样点相对应的函数值，将其作为目标样本。接下来，画出要拟合的非线性函数图像：
plot(p,t,'-') %画出要拟合的函数图像
title('要拟合的函数图像 '); %图像的标题
xlabel('时间'); %x轴变量的含义
ylabel('非线性函数'); %y轴的含义
得到函数图像如图6所示：