matlab实现RBF的相关函数

摘自《matlab神经网络43个案例分析》

(1)newrb()

该函数可以用来设计一个近似径向基网络(approximate RBF)。调用格式为：

[net,tr]=newrb(P,T,GOAL,SPREAD,MN,DF)

其中P为Q组输入向量组成的R*Q位矩阵，T为Q组目标分类向量组成的S*Q维矩阵。GOAL为均方误差目标(Mean Squard Error Goal)，默认为0.0；SPREAD为径向基函数的扩展速度，默认为1；MN为神经元的最大数目，默认为Q；DF维两次显示之间所添加的神经元数目，默认为25；ner为返回值，一个RBF网络，tr为返回值，训练记录。

用newrb（）创建RBF网络是一个不断尝试的过程(从程序的运行可以看出来)，在创建过程中，需要不断增加中间层神经元的和个数，知道网络的输出误差满足预先设定的值为止。

(2)newrbe()

该函数用于设计一个精确径向基网络(exact RBF)，调用格式为：

net=newrbe(P,T,SPREAD)

其中P为Q组输入向量组成的R*Q维矩阵，T为Q组目标分类向量组成的S*Q维矩阵；SPREAD为径向基函数的扩展速度，默认为1

和newrb()不同的是，newrbe()能够基于设计向量快速，无误差地设计一个径向基网络。

(3)radbas()

该函数为径向基传递函数，调用格式为

A=radbas(N)

info=radbas(code)

其中N为输入（列）向量的S*Q维矩阵，A为函数返回矩阵，与N一一对应，即N的每个元素通过径向基函数得到A；info=radbas(code)表示根据code值的不同返回有关函数的不同信息。包括

derive——返回导函数的名称

name——返回函数全称

output——返回输入范围

active——返回可用输入范围

使用exact径向基网络来实现非线性的函数回归：

%%清空环境变量
clc
clear
%%产生输入输出数据
%设置步长
interval=0.01;
%产生x1,x2
x1=-1.5:interval:1.5;
x2=-1.5:interval:1.5;
%按照函数先求的响应的函数值，作为网络的输出
F=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);
%%网络建立和训练
%网络建立，输入为[x1;x2]，输出为F。spread使用默认
net=newrbe([x1;x2],F);
%%网络的效果验证
%将原数据回带，测试网络效果
ty=sim(net,[x1;x2]);
%%使用图像来看网络对非线性函数的拟合效果
figure
plot3(x1,x2,F,'rd');
hold on;plot3(x1,x2,ty,'b-.');
view(113,36);
title('可视化的方法观察严格的RBF神经网络的拟合效果');
xlabel('x1')
ylabel('x2')
zlabel('F')
grid on

函数图像：

approximate RBF网络对同意函数进行拟合

%%清空环境变量
clc
clear
%%产生训练样本，训练输入，训练输出
%ld为样本隶属
ld=400;
%产生2*ld的矩阵
x=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,:);
x2=x(2,:);
%计算网络输出F值
F=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);
%%建立RBF神经网络
%采用approximate RBF神经网络，spread为默认值
net=newrb(x,F);
%%建立测试样本
interval=0.1;
[i,j]=meshgrid(-1.5:interval:1.5);
row=size(i);
tx1=i(:);
tx1=tx1';
tx2=j(:);
tx2=tx2';
tx=[tx1;tx2];%%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
%真正的函数图像
interval=0.1;
[x1,x2]=meshgrid(-1.5:interval:1.5);
F=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]);
title('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]);
title('RBF神经网络结果');
%误差图像
subplot(1,3,3);
mesh(x1,x2,F-v);
zlim([0,60]);
title('误差图像');
set(gcf,'position',[300,250,900,400])

结果图像：

结论，可以看出神经网络的训练结果能够较好逼近该非线性函数F，由误差图可知，实景网络的预测效果在数据边缘处的误差较大，在其它书指出的拟合效果很好，网络的输出值与函数值之间的插值在隐藏层神经元的个数为100时已经接近0，说明网络输出能非常好地逼近函数。

matlab实现RBF的相关函数相关推荐

Matlab试验箱rbf,matlab实现RBF的相关函数
摘自<matlab神经网络43个案例分析> (1)newrb() 该函数可以用来设计一个近似径向基网络(approximate RBF).调用格式为: [net,tr]=newrb(P,T ...
matlab 神经网络设计多层隐含层_[rbf神经网络]请教关于MATLAB中RBF神经网络隐含层神经元个数的问题...
rbf神经网络请教关于MATLAB中RBF神经网络隐含层神经元个数的问题问题补充:MATLAB中用newrb(P, T, goal, spread)创建的神经网络,用于数据的预测,程序可以运行并能 ...
数据拟合 | MATLAB实现RBF径向基神经网络多输入数据拟合
数据拟合 | MATLAB实现RBF径向基神经网络多输入数据拟合目录数据拟合 | MATLAB实现RBF径向基神经网络多输入数据拟合基本介绍程序设计模型差异参考资料基本介绍 RBF神将网 ...
回归预测 | MATLAB实现RBF径向基神经网络多输入单输出
回归预测 | MATLAB实现RBF径向基神经网络多输入单输出目录回归预测 | MATLAB实现RBF径向基神经网络多输入单输出预测效果基本介绍模型结构程序设计参考资料预测效果基本介 ...
回归预测 | MATLAB实现RBF径向基神经网络非线性函数回归
回归预测 | MATLAB实现RBF径向基神经网络多非线性函数回归目录回归预测 | MATLAB实现RBF径向基神经网络多非线性函数回归基本介绍程序设计学习总结参考资料基本介绍 RBF神 ...
回归预测 | MATLAB实现RBF径向基神经网络多输入多输出预测
回归预测 | MATLAB实现RBF径向基神经网络多输入多输出预测目录回归预测 | MATLAB实现RBF径向基神经网络多输入多输出预测预测效果基本介绍模型结构程序设计参考资料预测效果 ...
机器学习 | MATLAB实现RBF径向基神经网络newrbe参数设定
机器学习 | MATLAB实现RBF径向基神经网络newrbe参数设定目录机器学习 | MATLAB实现RBF径向基神经网络newrbe参数设定基本介绍函数描述寄语生活参考资料开心一刻 ...
RBF非线性滤波的Matlab,基于RBF神经网络的非线性滤波器的研究
Research on Nonlinear Filter Based on the RBF Neural Network CHEN Meiling 1 陈美玲, (1987-),女,硕士研究生,通信系 ...
傻瓜攻略（六）——MATLAB实现RBF神经网络
径向基函数(Radial Basis Function,RBF)神经网络是一种传统的神经网络,于1988年首次被提出.1989年,Jackson论证了RBF神经网络对非线性连续函数的一致逼近性能. R ...

matlab实现RBF的相关函数

matlab实现RBF的相关函数相关推荐

最新文章

热门文章