RBF测试实例

Zedd

RBF测试实例

, a2 W" t; P5 t( g0 G, {6 V% % % % % % % % % % % % % % % % % % %
" p9 y0 X8 R8 g& A5 w' d% approximate RBF网络对同意函数进行拟合
) H' Q$ a/ E8 M% % % % % % % % % % % % % % % % % % %
%%清空环境变量  
8 k% }% G6 j; v6 n% iclc  
) u1 q3 d* C/ t6 @. rclear  
%%产生训练样本，训练输入，训练输出  
- ^9 ~9 P3 |. P, ~" G%ld为样本隶属  
+ K2 [$ @, O/ e# a- t9 W1 {ld=400;  
%产生2*ld的矩阵  
! W0 Y/ y& e1 B$ Wx=rand(2,ld);  
%将x转换到[-1.5 1.5]之间  
x=(x-0.5)*1.5*2;  
%x的第一行为x1，第二行为x2  
x1=x(1,: );  
! Q0 v) P+ X+ V! z: ?* `" |( M1 D6 ax2=x(2,: );  
* s! O4 j6 ?4 i. o%计算网络输出F值  
5 r5 o% B/ n; k+ [6 O  l1 ]5 _- XF=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);  
2 ~" D! P& E: L6 u) r5 F) b%%建立RBF神经网络  
%采用approximate RBF神经网络，spread为默认值  
; \; J6 J1 Q6 h1 M! n0 T: _2 Nnet=newrb(x,F);  
%%建立测试样本  
interval=0.1;  
/ A/ G9 Q, u, \% M[i,j]=meshgrid(-1.5:interval:1.5);  
) x7 W* S& N4 Y9 N8 {row=size(i);  
tx1=i(: );  
( n8 r9 w! G0 m2 x% atx1=tx1';  
tx2=j(: );  
tx2=tx2';  
tx=[tx1;tx2];  
% J' [  x6 N* x! c  
3 j( ^4 m; @# O2 J& z%%使用建立的RBF网络进行模拟，得出网络输出  
ty=sim(net,tx);  
%%使用图像，画出三维图  
2 h3 h4 l9 d  K  N4 l+ M# r& v%真正的函数图像  
interval=0.1;  
- P3 t7 f" c; o8 X' a& ^) M4 A/ t[x1,x2]=meshgrid(-1.5:interval:1.5);  
- [4 n( C: h' q- c" }% |1 B( N- eF=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);  
subplot(1,3,1);  
mesh(x1,x2,F);  
zlim([0,60]);  
' h  u9 O& D% I! v- vtitle('真正的函数图像');  
%网络得出的函数图像  
v=reshape(ty,row);  
subplot(1,3,2);  
mesh(i,j,v);  
zlim([0,60]);  
, `( [$ ^# A  X. \9 x1 |title('RBF神经网络结果');  
%误差图像  
  U' b. C8 v1 Gsubplot(1,3,3);  
) J  A% R- P9 S( _6 v; ~2 Dmesh(x1,x2,F-v);  
8 N: |: `) c8 w0 D1 `3 c6 gzlim([0,60]);  
3 j. @1 C! [6 V9 {. d, qtitle('误差图像');  
/ V8 b% X6 y: f: Bset(gcf,'position',[300,250,900,400])
3 X$ }$ S1 k9 g  R% H

wu68aq

看看楼主的代码。