clc
clear
close all
%設置網絡隱單元的神經元數目
n=30;    
%定義輸入
u=[-0.5:0.01:0.5];
%定義輸出，因是矩陣運算，故要在"*"前加"."
t=exp(-1.9.*(u+0.5)).*sin(10*u);
plot(u,t);
title('第三題給出的函數曲線');
xlabel('時間');
ylabel('f(u)');
%建立相應的BP網絡
net=newff(minmax(u),[n,1],{'tansig' 'purelin'},'trainlm');
%對沒有訓練的網絡進行仿真
y1=sim(net,u); 
%繪制仿真所得曲線
figure;
plot(u,t,'-',u,y1,'.')
title('未訓練的網絡仿真結果');
xlabel('時間');
ylabel('原函數-  未訓練的網絡輸出.  ');
%訓練已經建立的BP網絡
%設置訓練時間為150個時間單位
net.trainParam.epochs=150;
%設置訓練的目標是誤差小于0.001
net.trainParam.goal=0.001;
net=train(net,u,t);
%對訓練后的網絡進行仿真
y2=sim(net,u);
%繪出訓練后的仿真曲線
figure;
plot(u,t,'-',u,y1,'.',u,y2,'+')
title('訓練后的BP網絡的仿真結果');
xlabel('時間');
ylabel('原函數-  未訓練的網絡輸出. 訓練后網絡輸出+ ');
end