作业训练神经网络1训练集：X = 2pirand1300;Y = sinX + 02randn1lengthXplotXY’+’测试集：X2 = 2pirand1300;Y2 = sinX2 + 02randn1lengthX2plotX2Y2’o’2 网络结构：输入：1; 隐含：7 tanh元; 输出 1 线性元训练算法 BP算法3 要求：a 比较一般BP算法trainbp自适应变步长BP算法t

a) 对于每次迭代后的性能指标，可以使用MATLAB的train函数来训练神经网络，并使用perf输出性能指标。

net = feedforwardnet(7); % 创建神经网络
net.trainFcn = 'trainbpa'; % 设置训练算法为自适应变步长BP算法
net.divideFcn = ''; % 不划分训练集、验证集和测试集
net = init(net); % 初始化权值

perf = zeros(1, 1000); % 保存每次迭代后的性能指标

for i = 1:1000 % 迭代1000次
    net = train(net, X, Y); % 训练神经网络
    Y_pred = net(X); % 使用训练好的网络进行预测
    perf(i) = perform(net, Y, Y_pred); % 计算性能指标
end

plot(perf) % 绘制性能指标曲线

b) 使用训练好的神经网络对测试集进行预测，并计算精度。

Y2_pred = net(X2); % 使用训练好的网络对测试集进行预测

accuracy = 1 - mean(abs(Y2 - Y2_pred)) % 计算精度

c) 比较20个隐含元的神经网络建模精度和初始权值的影响，可以分别尝试不同的隐含元个数和不同的初始权值，并比较精度的变化。根据实验结果得出结论