RBF测试实例

Zedd

RBF测试实例

% % % % % % % % % % % % % % % % % % %
% approximate RBF网络对同意函数进行拟合
% % % % % % % % % % % % % % % % % % %
. ?9 D3 W5 a6 i" m: O( z%%清空环境变量  
clc  
clear  
%%产生训练样本，训练输入，训练输出  
6 R! @8 u/ j0 P' x1 g%ld为样本隶属  
9 V* i& F! b9 }4 v/ J8 r  kld=400;  
- A  \4 `9 N) \1 r7 u%产生2*ld的矩阵  
3 a; t% M6 x5 S) p$ jx=rand(2,ld);  
, K  S; J: m) j( q%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  
! j% i1 X+ P2 \; Y9 Xx1=x(1,: );  
3 d1 |+ W  y5 P/ M( b0 J& ]! Nx2=x(2,: );  
%计算网络输出F值  
/ l; I; a5 i% V0 UF=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);  
%%建立RBF神经网络  
; y2 v0 Y3 ~% t; G8 Q%采用approximate RBF神经网络，spread为默认值  
$ K- ^- \. d3 @+ Jnet=newrb(x,F);  
%%建立测试样本  
. Q9 t  H: r& k: [/ zinterval=0.1;  
[i,j]=meshgrid(-1.5:interval:1.5);  
8 }# g) O- x9 F' F% @) hrow=size(i);  
/ D' M" Q" M, i7 W( b; Y' ]4 Atx1=i(: );  
tx1=tx1';  
; {6 _7 P2 R/ Mtx2=j(: );  
' ?9 C9 P9 Y2 C3 |tx2=tx2';  
3 m$ a2 i% c- t' Etx=[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  
1 r/ @9 J! H* L4 Q+ W& {- m6 }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);  
  s" e; [$ v" q, v* A- T; @4 Osubplot(1,3,1);  
9 n5 r. E, u7 Y( }) L2 hmesh(x1,x2,F);  
2 G" t5 g/ l* @+ pzlim([0,60]);  
# g7 R& |1 G  R8 v3 H& W0 q4 btitle('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]);  
0 V& J$ Y# x2 `+ Htitle('RBF神经网络结果');  
%误差图像  
% I+ O. o2 S3 L" n; K! z4 h8 @subplot(1,3,3);  
mesh(x1,x2,F-v);  
zlim([0,60]);  
title('误差图像');  
set(gcf,'position',[300,250,900,400])
* ]3 n5 K* B# F, }

wu68aq

看看楼主的代码。