神经网络函数逼近与控制

多层前馈神经网络学习非线性动力学映射

神经网络输出：f(x) = Σᵢ wᵢ·σ(vᵢᵀ·x + bᵢ)   (σ为sigmoid激活函数)
权重更新：ẇ = -η·(∂E/∂w) = -η·e·(∂f/∂w)   (梯度下降学习)
神经网络结构可视化
输入层
隐藏层
输出层
激活强度
网络参数配置
隐藏层神经元数 8
学习率 η 0.1
训练迭代
0
当前误差
-
逼近精度
-
学习过程 - 函数逼近
目标函数 f(x)
网络输出 f̂(x)