基于BP神经网络的非线性函数逼近及SAS实现  

Nonlinear Function Approximation Based on BP Neural Net and Implementation on SAS

作　　者：李君艺[1] 张宇华[2] 

机构地区：[1]东莞职业技术学院计算机工程系,东莞523808 [2]广东工业大学计算机学院,广州510006

出　　处：《现代计算机（中旬刊）》2013年第3期7-10,共4页Modern Computer

基　　金：广东省教育部产学研结合项目资助(No.2012B091000172;No.2012B091100363)

摘　　要：BP神经网络作为目前应用最广泛的神经网络模型之一,其主要的特点在于非线性函数逼近的能力。提出基于BP神经网络的非线性函数逼近方法,开创性地使用功能强大的统计分析软件SAS编写BP算法,实现非线性函数的逼近,并对训练过程中的权值变化以及训练前后的函数曲线逼近效果进行对比分析。Currently BP neural network is one of the most popular neural network model, its main features is the ability of nonlinear function approximation. Proposes a nonlinear function approximation method based on BP neural network, which is implemented by the powerful SAS statistical soft- ware. Shows he change of the weight value of the, network, compares the output result before and after BP network training.

关 键 词：BP神经网络 人工神经网络 函数逼近 SAS 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]