「0.576127 -1.30367 -3.155517 0.576127 2.38673 0.492802 0.576127 2.38673 0.492802 0.576127 2.38673 0.492802 0.576127 2.38673 0.492802 W0= W1= 0.576127 2.38673 0.492802 0.576127 2.38673 0.492802 0.576127 2.38673 0.492802 0.576127 2.38673 0.492802 0.576127 2.38673 0.492802 (这里的权矩阵的取值比较整齐,原因同上。) 0.9 0.85 0.8 0.75 0.7 0.65 0.6 0.55 0. 0 0.1 0.2 0.30.4 0.50.60.7 0.8 0.9 (图中蓝线为原函数图像,红x为由该网络进行逼近得到的结果) (2.)改变隐层节点数: 当隐层节点数减少为5,其余设置不变时,要达到终止误差需要进行的训练次 数为15445次。 当隐层节点数减少为5,其余设置不变时,要达到终止误差需要进行的训练次 数为11957次。 可以看出,本题中增加隐层节点数对改进逼近效果的作用并不很明显。隐层0.576127 1.30367 0.576127 2.38673 0.576127 2.38673 0.576127 2.38673 0.576127 2.38673 0 0.576127 2.38673 0.576127 2.38673 0.576127 2.38673 0.576127 2.38673 0.576127 2.38673 W − = 3.15551 0.492802 0.492802 0.492802 0.492802 1 0.492802 0.492802 0.492802 0.492802 0.492802 W − = (这里的权矩阵的取值比较整齐,原因同上。) (图中蓝线为原函数图像,红x为由该网络进行逼近得到的结果) (2.)改变隐层节点数: 当隐层节点数减少为5,其余设置不变时,要达到终止误差需要进行的训练次 数为15445次。 当隐层节点数减少为5,其余设置不变时,要达到终止误差需要进行的训练次 数为11957次。 可以看出,本题中增加隐层节点数对改进逼近效果的作用并不很明显。隐层