BP网络及其变化形式是当下最流行的人工神经网络模型,也是前向网络的核心部分。本文立足于BP网络的一个应用分支——函数逼近,以一组输入向量和输出向量作为训练样本,选择tansig和purelin作为网络各层神经元的激活函数,分别采用traingdx函数和trainbr函数对网络进行训练和仿真。结果表明,前者对训练样本能够实现高度拟合,但曲线平滑度欠佳;而后者的样本拟合程度虽有逊色,但曲线较光滑,逼近效果更为可观。