2.3MATLAB中學習過程與仿真
MATLAB6.2中的神經網絡工具箱功能強大，不但能方便創建常見的神經網絡，還支 持用戶自己構造網絡。
在實際中，根據測量范圍和精度要求，以實驗中的101個數據為樣本，在MATLAB中構造BP網絡進行訓練。在訓練之前，對數據進行了預處理。諧振頻率值為輸入樣本P，將冰層厚度變換到［－1，1］的范圍后作為輸出樣本t。訓練完后，再通過后處理還原回原來的樣本空間。神經網絡模型為單輸入單輸出，隱含層有5個神經元，訓練中誤差指標定為0.01。訓練結果如圖2、圖3、表1。訓練進行了15步就滿足了誤差要求，收斂速度較快。

本文引用地址：http://www.cqxgywz.com/article/162554.htm

3結束語
神經網絡作為一種分析、處理問題的新方法已經在很多領域顯示了強 大的生 命力。由于神經網絡具有高速并行計算能力和非線性變換能力，能夠隨時進行再學習且學習 效率很高， 特別對于產品性能一致性不高的結冰傳感器更見其效果。相對其他校正方式而言，神經網絡 無須深入了解對象的機理，具 有很強的曲線擬合能力。實驗表明，補償的效果令人滿意，大大方便了結冰傳感器在測控系 統中的應用。