RBF测试实例

Zedd

RBF测试实例

% % % % % % % % % % % % % % % % % % %
4 _6 T( G7 a. p& d, c- {% approximate RBF网络对同意函数进行拟合
1 q: E2 Q. c  ?+ n4 e0 v% % % % % % % % % % % % % % % % % % %
%%清空环境变量  
* N# r( @, }4 cclc  
clear  
%%产生训练样本，训练输入，训练输出  
; J5 G# G/ E0 q' X: P2 C2 x$ J%ld为样本隶属  
  j7 @  i+ I; \5 C4 k7 Q) uld=400;  
%产生2*ld的矩阵  
) j1 F, r5 N" I# Xx=rand(2,ld);  
%将x转换到[-1.5 1.5]之间  
0 m! J9 q: v" u1 \) Gx=(x-0.5)*1.5*2;  
* Z( p- x0 a" l2 A% X0 h%x的第一行为x1，第二行为x2  
x1=x(1,: );  
x2=x(2,: );  
2 K' }5 s# r5 G( H- v0 w%计算网络输出F值  
6 a6 i# ^- r. ?8 lF=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);  
, D  W- B& X* a' A$ F: d%%建立RBF神经网络  
+ k! ]5 x6 R0 O5 s! y1 ?2 R. q  T%采用approximate RBF神经网络，spread为默认值  
net=newrb(x,F);  
6 P0 M6 C8 V9 r! d  |%%建立测试样本  
; N& k) |* j. m5 ]8 x$ X* Tinterval=0.1;  
[i,j]=meshgrid(-1.5:interval:1.5);  
row=size(i);  
( S4 n! R, Y! E- a( V0 Y- e+ qtx1=i(: );  
tx1=tx1';  
; l' l& i+ u  \tx2=j(: );  
tx2=tx2';  
tx=[tx1;tx2];  
  
1 A7 o9 c& n" ?) o" j) o%%使用建立的RBF网络进行模拟，得出网络输出  
ty=sim(net,tx);  
6 ]/ F3 {0 s* l$ w  Z%%使用图像，画出三维图  
5 n  [7 J! ^9 E%真正的函数图像  
interval=0.1;  
: u" m+ S% i  u[x1,x2]=meshgrid(-1.5:interval:1.5);  
- Y; q. ~: C" ?# i+ ZF=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);  
5 _1 ?+ E+ Q# E( E& tsubplot(1,3,1);  
- F4 }) H9 h5 A3 [' m+ Xmesh(x1,x2,F);  
zlim([0,60]);  
title('真正的函数图像');  
%网络得出的函数图像  
; i4 Z/ \$ O2 Z& Rv=reshape(ty,row);  
. e* _3 m  j6 }6 Fsubplot(1,3,2);  
8 g( q1 @; f+ W! X8 K: ]) zmesh(i,j,v);  
zlim([0,60]);  
' ]( |$ L, x; h4 _& utitle('RBF神经网络结果');  
; I7 \9 b2 L% p9 a; ?%误差图像  
subplot(1,3,3);  
0 N. }7 ?4 D& omesh(x1,x2,F-v);  
) d  I7 T5 s! f- h: r* e, Pzlim([0,60]);  
title('误差图像');  
set(gcf,'position',[300,250,900,400])

wu68aq

看看楼主的代码。