1、该作业要求不可使用Matlab自带的神经网络函数，这是因为如果允许使用，则三个函数：newff函数建立网络、train函数训练、sim函数就直接完成作业了。
创新互联公司长期为上千多家客户提供的网站建设服务，团队从业经验10年，关注不同地域、不同群体，并针对不同对象提供差异化的产品和服务；打造开放共赢平台，与合作伙伴共同营造健康的互联网生态环境。为加查企业提供专业的成都网站设计、成都网站建设，加查网站改版等技术服务。拥有十多年丰富建站经验和众多成功案例,为您定制开发。
2、BP神经网络构建 根据要拟合的非线性函数特点确定BP网络结构，由于该非线性函数有两个输入参数，一个输出参数，所以BP网络结构可以设置为2-5-1，即输入层有2个节点，隐含层有5个节点，输出层有1个节点。
3、隐层数一般认为，增加隐层数可以降低网络误差（也有文献认为不一定能有效降低），提高精度，但也使网络复杂化，从而增加了网络的训练时间和出现“过拟合”的倾向。
4、首先采用遗传算法来优化BP神经网络的权值和阈值，然后将这些优化值赋给网络得到优化的BP神经网络，最后用MATLAB仿真平台，对非线性函数的逼近拟合和极值寻优问题进行实验。
1、一般不能。RBF可以，因为使用基函数来插值，只要基够多，可以经过所有已知的数据点。
2、2）任意连续函数都可由一个两层的网络以任意精度逼近。这里的两层网络是指隐藏层使用sigmoid单元、输出层使用非阈值的线性单元；3）任意函数都可由一个三层的网络以任意精度逼近。
3、前馈神经网络：结构简单，应用广泛，能够以任意精度逼近任意连续函数及平方可积函数．而且可以精确实现任意有限训练样本集。BP神经网络：具有很强的非线性映射能力和柔性的网络结构。
能得到一个确定的函数！因为每一层的权重，激活函数都是确定的。该函数不一定是光滑的，因为激活函数不一定是光滑的！比如relu函数。
当然可以，神经网络具有极强的非线性映射能力，对非线性函数的拟合效果非常好，你可以试试BP神经网络，拟合能力已经很强。
这个是最简单的情况，我们使用一个不带激活函数的神经元即可模拟。通过调整 参数，即可模拟任意直线。我们使用一个带Sigmoid激活函数的神经元来模拟。随着 参数继续增大，神经网络就会逐步逼近该函数。
利用静态的多层前向神经网络建立系统的输入/输出模型，本质上就是基于网络逼近能力，通过学习获知系统差分方程中的非线性函数。
