径向基神经网络应用实例:RBF网络…
2017-04-03 18:14
375 查看
输入18咯样本点,将隐含节点书设置为18 ,其中心就是输入的X值,期望输出为对应的y值。
如此,网络中就有一个输入节点,一个输出节点,18个隐含节点
% curve_filt_hand_buid.m
%% 清理
clear all
close all
clc
%%
% 输入
x=-9:8;
% 期望输出;
y=[129,-32,-118,-138,-125,-97,-55,-23,-4,...
2,1,-31,-72,-121,-142,-174,-155,-77];
% 隐含节点的中心
t=x;
% 计算每一个输入到每一个中心的距离,作为隐含层的输入
z=dist(x',t);
%
计算隐含层的输出
G=radbas(z);
%期望输出
d=y';
% 伪逆。求出权值向量
w=inv(G.'*G)*G.'*d;
%% 保存
save net.mat d w x y
在此我们已经将数据进行了保存,在net.mat中,接下来进行测试,仿真
%curve_filt_hand_sim.m
%% 清理
clear all
close all
clc
%% 加载模型
load net.mat
%% 测试
%输入
xx=-9:.2:8;
% 计算输入到中心的距离
t = x;
zz=dist(xx',t);
% 计算隐含层的输出
GG=radbas(zz);
% 计算输出层的输出
Y=GG*w;
%% 绘图
% 原始数据点
plot(x,y,'o');
hold on;
% 拟合的函数曲线
plot(xx,Y','-');
legend('原始数据','拟合数据');
title('用径向基函数拟合曲线');
如此,网络中就有一个输入节点,一个输出节点,18个隐含节点
% curve_filt_hand_buid.m
%% 清理
clear all
close all
clc
%%
% 输入
x=-9:8;
% 期望输出;
y=[129,-32,-118,-138,-125,-97,-55,-23,-4,...
2,1,-31,-72,-121,-142,-174,-155,-77];
% 隐含节点的中心
t=x;
% 计算每一个输入到每一个中心的距离,作为隐含层的输入
z=dist(x',t);
%
计算隐含层的输出
G=radbas(z);
%期望输出
d=y';
% 伪逆。求出权值向量
w=inv(G.'*G)*G.'*d;
%% 保存
save net.mat d w x y
在此我们已经将数据进行了保存,在net.mat中,接下来进行测试,仿真
%curve_filt_hand_sim.m
%% 清理
clear all
close all
clc
%% 加载模型
load net.mat
%% 测试
%输入
xx=-9:.2:8;
% 计算输入到中心的距离
t = x;
zz=dist(xx',t);
% 计算隐含层的输出
GG=radbas(zz);
% 计算输出层的输出
Y=GG*w;
%% 绘图
% 原始数据点
plot(x,y,'o');
hold on;
% 拟合的函数曲线
plot(xx,Y','-');
legend('原始数据','拟合数据');
title('用径向基函数拟合曲线');
相关文章推荐
- 径向基神经网络应用实例:异或逻辑…
- 径向基神经网络应用实例:(工具箱…
- 径向基神经网络应用实例:异或逻辑…
- RBF(径向基)神经网络 非线性函数回归的实现
- 径向基概率神经网络的实例(实现预测,分类)
- 径向基神经网络RBF
- RBF(径向基)神经网络
- RBF径向基神经网络——乳腺癌医学诊断建模
- RBF径向基神经网络
- TensotFlow 应用实例:08-使用tensorboard可视化神经网络结构和训练结果
- matlab RBF神经网络实例
- 径向基神经网络(实例故障分类)
- 径向基神经网络RBF
- 贝叶斯神经网络工具包FullBNT,在Matlab中的导入及应用实例
- 基于RBF的概率神经网络框架
- 遗传算法及神经网络在游戏开发中的应用
- 概率神经网络 (PNN) 应用的简单DEMO
- NS2入门实例 2---无线网络,两节点(TCP连接,FTP应用)
- Gargoyle Router QoS应用实例——一台电脑进行P2P应用的同时另一台电脑流畅玩网络联机游戏
- 常用神经网络模型及其应用评述