🌟菜鸟的数学建模之路(四)💪

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！🚀👩‍💻