RBF测试实例

Zedd

RBF测试实例

% % % % % % % % % % % % % % % % % % %
% approximate RBF网络对同意函数进行拟合
% % % % % % % % % % % % % % % % % % %
%%清空环境变量  
clc  
" \+ Q: D  |2 J- ]" Xclear  
7 U3 t3 D- B- F! Q* S. P. n%%产生训练样本，训练输入，训练输出  
6 K6 `( K8 U9 n( p  h1 F%ld为样本隶属  
) {  e- f* S* P. y* J/ ~% l5 mld=400;  
! w& p1 r3 v' h0 i3 t  w* H%产生2*ld的矩阵  
+ q% V0 N  a; `: f& D/ `. o7 sx=rand(2,ld);  
9 P! J) p& z2 `( }  n%将x转换到[-1.5 1.5]之间  
3 r4 o2 u# b6 H& Sx=(x-0.5)*1.5*2;  
%x的第一行为x1，第二行为x2  
+ _$ F! z" L  d& [7 }, X5 Px1=x(1,: );  
x2=x(2,: );  
  E# H# U' _$ e: w8 s%计算网络输出F值  
F=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);  
# d: h0 X# \( R) ~7 s% J4 w%%建立RBF神经网络  
%采用approximate RBF神经网络，spread为默认值  
; a% [2 ~6 H, C4 F3 Q6 Enet=newrb(x,F);  
%%建立测试样本  
' U$ ^3 A9 m$ y$ y$ o2 a: C1 i- Rinterval=0.1;  
[i,j]=meshgrid(-1.5:interval:1.5);  
" `8 [. {4 U! @& R/ P8 wrow=size(i);  
tx1=i(: );  
tx1=tx1';  
+ ?! Z, J2 n0 p( ?+ h5 ?tx2=j(: );  
3 r! S6 I9 c# C" f6 d+ x; u4 l$ B9 ~' utx2=tx2';  
8 g/ N0 M9 f- V& a& Q, P2 {tx=[tx1;tx2];  
+ z: \2 h6 a) f- E& F) h+ P5 |  
  V* s2 ?; S# g' L  b$ g%%使用建立的RBF网络进行模拟，得出网络输出  
ty=sim(net,tx);  
+ m" K3 Q- x: w%%使用图像，画出三维图  
%真正的函数图像  
interval=0.1;  
( c2 B3 C& h" _5 ~6 G: w* M7 A& ?[x1,x2]=meshgrid(-1.5:interval:1.5);  
* Z. o) a( k9 A% j& yF=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);  
7 A: V* `/ h& f$ m3 `subplot(1,3,1);  
mesh(x1,x2,F);  
zlim([0,60]);  
  i8 q9 d7 U: Q8 e9 S% a9 P, Ftitle('真正的函数图像');  
% U: C; h$ I5 a+ Q1 l: d4 ^5 ?%网络得出的函数图像  
& G" P7 O7 G8 v" l# ]3 b' Fv=reshape(ty,row);  
) a) d& M& C. c1 jsubplot(1,3,2);  
7 `8 Y. j+ J: pmesh(i,j,v);  
zlim([0,60]);  
. z. b- {3 s/ P! s* ztitle('RBF神经网络结果');  
%误差图像  
* x, f( p- @% X( Ysubplot(1,3,3);  
* \2 q( R1 d. {( i# {9 ?mesh(x1,x2,F-v);  
7 _; S$ B: Z  w% wzlim([0,60]);  
title('误差图像');  
set(gcf,'position',[300,250,900,400])

wu68aq

看看楼主的代码。