figure;
plot(p,t,'-',p,y1,'--') %画出图像
title('未训练网络的输出结果');
xlabel('时间');
ylabel('仿真输出－－ 原函数－');
得到的结果如图7所示：
图3-2 仿真曲线和原函数曲线
从图像上可以看出，使用newff建立BP神经网络的时候，所取的权值和阈值都是随机的，所以输出结果很差，两个函数的图像相差很多，根本达不到函数拟合的目的，并且每次运行的结果也有所不同。
3.1.4 网络测试
基于上述实验结果，我们需要训练网络。我们利用train函数进行训练，分别设置训练时间为50个单位时间，设计训练目标的误差小于0.01，开始训练并观察实验结果：
net.trainparam.epochs=50; %设计训练时间为50个单位时间
net.trainparam.goal=0.01; %设计训练目标的误差小于0.01