神经网络一般是没有表达式的哈，但是只要你的参数每次都给的一样，在多次运行后它的多次结果会有一定的相似，这就是我们可以用它做拟合后的预测的原理，因为神经网络一般每次初始值都是随机值，所以结果也会有区别的。在表达拟合函数的时候，我们只要要列出它的参数取值及拟合模型即可，例如BP中的losig模型，隐层神经元个数，下降速率采用的方法traindx,学习速率0.05，训练最小误差0.001等等。
既然是函数拟合，那么事先就已经有函数表达式了。拟合的只是函数表达式中未知的参数。
用神经网络对函数进行拟合，输出的就是未知参数的高精近似值。
神经网络是没有表达式的，其实是一个很复杂很复杂的表达式！
就是权重*系数+偏移值。
求和而已。
内容全部来源于网络收集，如有侵权，请联系网站删除：QQ：24596024