导读 今天继续分享我的数学建模学习之旅,这次聚焦于BP神经网络!🔍✨首先,让我们认识一下主角之一——隐含层激励函数。这篇文章中我们将重点讨...
今天继续分享我的数学建模学习之旅,这次聚焦于BP神经网络!🔍✨
首先,让我们认识一下主角之一——隐含层激励函数。这篇文章中我们将重点讨论 tansig函数,它是一个非常经典的激活函数,公式为:
\[ f(x) = \frac{2}{1 + e^{-2x}} - 1 \]
它的特点是输出值范围在[-1, 1]之间,能够很好地捕捉非线性关系。😊📈
接下来,我们搭建了一个简单的三层BP神经网络模型,包括输入层、隐含层和输出层。通过调整学习率与迭代次数,模型逐渐收敛到最优解。💡📊
最后,使用一组样本数据进行训练和测试,结果表明该网络对非线性问题具有良好的拟合能力。🎉👏
如果你也对数学建模感兴趣,不妨从基础开始,一点点积累经验吧!🚀👩💻