径向基网络(RBF)实现函数插值(拟合)
本博文借鉴了径向基网络(RBF network)之BP监督训练,并在其基础上加以改进:1、对原始数据进行k-means聚类,而不是随机选取中心。2、为了防止过拟合,在权重更新时增加了正则项。本文也算是自己学习RBF网络的学习笔记。若有任何疑问,欢迎博文下方留言。
%训练集与测试集:
train_x = 1:0.1:7;
train_y = sin(2.*train_x);
test_x = 0:0.01:8;
test_y = sin(2.*test_x);
%参数初始化:
rbf.inputSize = size(train_x, 1); %输入神经元的个数
rbf.hiddenSize = 60; %隐层神经元的个数
rbf.outputSize = size(train_y, 1); %输出神经元的个数
rbf.alpha = 0.1; %学习速率
rbf.weight = rand(rbf.outputSize, rbf.hiddenSize); %隐层与输出层的个数
maxIter = 10000; %最大迭代次数%K-means聚类:
[Idx,C]=kmeans(train_x',rbf.hiddenSize);
rbf.center = C';
%BP训练:
for i = 1 : numSamples %% Feed forward for j = 1 : rbf.hiddenSize Green(j, 1) = green(train_x(:, i), rbf.center(:, j), rbf.delta(j)); end output = rbf.weight * Green; %% Back propagation delta3 = -(train_y(:, i) - output); %输出层误差项rbf.cost = rbf.cost + sum(delta3.^2); delta_weight = delta_weight + delta3 * Green'; end %% step 2: update parameters rbf.cost = 0.5 * rbf.cost / numSamples; %代价总和
rbf.weight = rbf.weight - rbf.alpha .* delta_weight ./ numSamples - 0.001*rbf.weight;%修正权值
此处附上matlab代码
径向基网络(RBF)实现函数插值(拟合)相关推荐
- matlab径向基网络,MATLAB——径向基网络拟合曲线和分类
1.广义RBF P=:.:; rand('state',pi); %指定状态,产生相同的随机数 T=sin(*P)+rand(,length(P)); % 给正弦函数加噪声 plot(P,T,'o') ...
- 径向基神经网络RBF
RBF网络原理 RBF网络,即径向基神经网络,也是前馈型网络的一种.它的设计思想和BP网络完全不一样. Cover定理:将复杂的模式分类问题非线性的投射到高维空间将比投射到低维空间更可能是线性可分的. ...
- 径向基网络(RBF network)之BP监督训练
径向基网络(RBF network)之BP监督训练 zouxy09@qq.com http://blog.csdn.net/zouxy09 之前看了流行学习的时候,感觉它很神奇,可以将一个4096维的 ...
- RBF(径向基)神经网络 非线性函数回归的实现
径向基神将网络的神经元模型: 径向基神经王阔的节点激活函数采用径向基函数,通常定义空间任意一点到某一中心之间的欧氏距离的单调函数. 从模型可以得到,径向基神经网络的激活函数的输入向量是 输入向量和 ...
- RBF(Radial Basis Function Network)+径向基网络
RBF(Radial Basis Function Network)+径向基网络 在SVM中引入Gaussian Kernel就能在无限多维的特征转换中得到一条"粗壮"的分界线(或 ...
- 【机器学习】径向基(RBF)神经网络的tensorflow实现
[机器学习]径向基(RBF)神经网络的tensorflow实现 一.tensorflow简介 1.1.基础概念 1.1.1计算图 1.1.2 Session会话 1.2.应用流程 二.RBF神经网络的 ...
- 基于径向基函数(RBF)的函数插值
基于径向基函数的函数插值 1. 函数插值 2. RBF函数插值 代码实现 1. 函数插值 函数插值问题: 用形式简单的插值函数 f^(x)\hat f(x)f^(x) 近似原函数 (1)\qquad ...
- 深度学习 --- 径向基神经网络RBF详解
上一节我们基本上打开了深度学习的大门,其实下一步应该是卷积神经网络即CNN了,但是呢卷积神经网络的最后一层采用的是径向基神经网络,为了以后到CNN不用再费力气将RBF和保持CNN的整体性和连贯性,因此 ...
- 08 使用粒子群(PSO)优化径向基神经网络(RBF)实现回归预测
目录 摘要: 1.RBF神经网络介绍: 2.RBF神经网络与BP神经网络的特点: 3.PSO-RBF优化流程: 4.实际测试及结果分析: 4.1 BP神经网络测试结果 4.2 RBF神经网络测试结果 ...
最新文章
- 搜索专题:问题 E: 挑战ACM迷宫
- #16192董哥授课的CCNP交换部分总结(一)
- HIVE 在执行大量数据JOIN的时候,容易产生内存不足的情况
- zookeeper 源码阅读(1)
- 解决 VUE前端项目报错: Uncaught ReferenceError : initPage is not defined (initPage 方法是有的,依旧报错找不到)
- 200多位大牛!2019两院院士拟推荐候选人最新名单
- mysql 协议的processInfo命令包及解析
- 应聘c语言面试试题,c语言面试最必考的十道试题,求职必看!!!
- linux vi中字符替换,Linux vi替换字符串
- python项目方案书模板格式_项目计划书格式范本word文档
- mac DOSBox快捷键
- 昨天去某大厂面试,居然让我做四则运算,还好我够机灵。
- HEVC帧内预测参考相邻帧代码解析
- 请教 ANDROID 通信信号、网络信号图标的颜色问题
- 招商银行信用卡中心2018秋招数据方向笔试题
- 用java定义中国象棋的棋子_java大神 求帮忙 我坐的中国象棋怎样移动棋子
- PTA_L1-054 福到了 (15分)
- 中国重卡汽车行业需求动态及十四五趋势展望报告2021年版
- 使用eNSP搭建的小型校园网
- C++中模板类的静态成员