动态差分进化算法训练神经网络逼近函数

使用动态的差分进化算法训练人工神经网络逼近函数。有详细的代码解释。适合学习者

function [ error ] = ANNerror（ Whidneurons ）
%函数为 y=exp（-x）.*sin（2*pi*x）;
%ANN结构
Wih=zeros（2hidneurons）;%Wih（2:）为偏置
Whj=zeros（1hidneurons+1）;
count=1;
for i=1:2
    for j=1:hidneurons
        Wih（ij）=W（count）;
        count=count+1;
    end
end
Whj（1:hidneurons+1）=W（2*hidneurons+1:3*hidneurons+1）;

%函数设置
x=0:0.1:1;
y=exp（-x）.*sin（2*pi*x）;

Q=length（x）;
error=0;

%测试
for i=1:Q
    input=[x（i）1];%1*2
    zh=input * Wih;%1*hidneurons
    sh=logsig（zh）;
    
    sh=[sh1];%1*（hidneurons+1）
    yj=sh*Whj‘;
    Ek = y（i） - yj;
    
    error = error+（1/2）*sum（Ek^2）;
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       3794  2011-09-12 16:04  Dynamic_DE_ANN.m

     文件        685  2011-09-12 15:15  plot_ANN.m

     文件        630  2011-09-12 15:34  ANNerror.m

----------- ---------  ---------- -----  ----

                 5109                    3