径向基神经网络应用实例：RBF网络…

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');