多個不同參數（主要是迭代步驟和誤差值）控制下，運算結果的差異比較：

%設置輸入樣本 P=0:0.05:4; %期望輸出值 T=[0.5:0.025:1 0.975:-0.025:0 0.025:0.025:0.5]; %目標擬合曲線 %生成1-4-1BP網絡 net=newff(minmax(P),[4 1],{'logsig' 'purelin'},'trainlm'); %設置第一層權值 net.IW{1}=[0.2;0.3;0.4;0.5]; %設置第二層權值 net.LW{2}=[0.5 0.2 0.1 0.4 ]; %設置第一層第二層閾值均為零 net.b{1}=net.b{1}*0; net.b{2}=net.b{2}*0; %網絡訓練參數設置 net.trainparam.goal=0.0001;%設置訓練誤差值 net.trainparam.show=50;%設置數據顯示刷新頻率，學習次刷新一次圖象 net.trainparam.epochs=20;%設置訓練訓練次數 net.trainParam.goal=1;%設置訓練的目標結果 [net,tr]=train(net,P,T);%進行網絡訓練 Y=sim(net,P);%進行仿真運算 %%%%改變控制條件，增大步驟，減少誤差 net.trainparam.epochs=200;%設置訓練訓練次數 net.trainParam.goal=1e-1;%設置訓練的目標結果 [net2,tr]=train(net,P,T);%進行網絡訓練 Y2=sim(net2,P);%進行仿真運算 %%%%改變控制條件，增大步驟，減少誤差 net.trainparam.epochs=2000;%設置訓練訓練次數 net.trainParam.goal=1e-2;%設置訓練的目標結果 [net2,tr]=train(net,P,T);%進行網絡訓練 Y3=sim(net2,P);%進行仿真運算 %%%%改變控制條件，增大步驟，減少誤差 net.trainparam.epochs=2000;%設置訓練訓練次數 net.trainParam.goal=1e-10;%設置訓練的目標結果 [net2,tr]=train(net,P,T);%進行網絡訓練 Y4=sim(net2,P);%進行仿真運算 % 畫出目標曲線與實際仿真曲線 plot(P,T,P,Y,'c') hold on; plot(P,Y2,'y') plot(P,Y3,'g') plot(P,Y4,'r') legend('目標值','第1次模擬','第2次模擬','第3次模擬','第4次模擬');

bp網絡參數說明