RBF测试实例

Zedd

RBF测试实例

9 K  D4 k% W; |( n' a% % % % % % % % % % % % % % % % % % %
# @  a+ _2 L" T; ~$ l) o% approximate RBF网络对同意函数进行拟合
9 B. {  g. @0 k; |% % % % % % % % % % % % % % % % % % %
%%清空环境变量  
clc  
& b- V9 {( m! `: w3 R) Y1 pclear  
%%产生训练样本，训练输入，训练输出  
%ld为样本隶属  
, K2 S( U2 g* T" tld=400;  
%产生2*ld的矩阵  
x=rand(2,ld);  
7 U7 a2 t& P) X; ?# t%将x转换到[-1.5 1.5]之间  
x=(x-0.5)*1.5*2;  
/ G( y" c, V) J! P%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  
; Y$ p" R" d4 d. Einterval=0.1;  
[i,j]=meshgrid(-1.5:interval:1.5);  
3 \) C- S- T! @# c$ o! ^4 Arow=size(i);  
tx1=i(: );  
+ Q9 D! t6 K. g3 `! Htx1=tx1';  
6 X6 k% k2 C, R8 S" |; I2 xtx2=j(: );  
tx2=tx2';  
  f6 H1 k1 s2 q5 E3 W/ ]; {tx=[tx1;tx2];  
  
%%使用建立的RBF网络进行模拟，得出网络输出  
. Q+ n9 O0 S% s2 J5 sty=sim(net,tx);  
7 }9 z9 E8 g$ x6 |1 T%%使用图像，画出三维图  
%真正的函数图像  
( Z8 n; I+ W+ w' c4 V$ Q' j  X) Binterval=0.1;  
2 B5 u# j/ y, N+ v7 g% Z7 x  b[x1,x2]=meshgrid(-1.5:interval:1.5);  
" _( W; H# D# j7 EF=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);  
subplot(1,3,1);  
  L* _6 D% g$ p4 g5 Hmesh(x1,x2,F);  
4 `- s' Z( p1 @) B( ]4 m/ F5 {- izlim([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);  
0 c$ }, l3 K4 q( E4 c5 k) @mesh(i,j,v);  
zlim([0,60]);  
title('RBF神经网络结果');  
: t' v3 @2 I9 U%误差图像  
subplot(1,3,3);  
mesh(x1,x2,F-v);  
9 ?' _- U/ c! C0 _, Qzlim([0,60]);  
7 g, E7 ]3 w& `1 ^% z# wtitle('误差图像');  
set(gcf,'position',[300,250,900,400])
. n0 L4 G4 R8 @1 U) ?

wu68aq

看看楼主的代码。