阿坝州网站建设公司

RBF网络的回归方法如何用

这篇文章主要介绍了RBF网络的回归方法如何用的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇RBF网络的回归方法如何用文章都会有所收获，下面我们一起来看看吧。

创新互联建站专注于张家口网站建设服务及定制，我们拥有丰富的企业做网站经验。 热诚为您提供张家口营销型网站建设，张家口网站制作、张家口网页设计、张家口网站官网定制、小程序制作服务，打造张家口网络公司原创品牌,更为您提供张家口网站排名全网营销落地服务。

%% 清空环境变量

clc

clear

%% 产生训练样本（训练输入，训练输出）

% ld为样本例数

ld=400; 

% 产生2*ld的矩阵 

x=rand(2,ld); 

% 将x转换到[-1.5 1.5]之间

x=(x-0.5)*1.5*2; 

% x的第一列为x1，第二列为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);

RBF网络的回归方法如何用  

%% 建立测试样本

% generate the testing data

interval=0.1;

[i, j]=meshgrid(-1.5:interval:1.5);

row=size(i);

tx1=i(:);

tx1=tx1';

tx2=j(:);

tx2=tx2';

tx=[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3维图

RBF网络的回归方法如何用  

figure

% 真正的函数图像

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);

subplot(1,3,1)

mesh(x1,x2,F);

zlim([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)

mesh(i,j,v);

zlim([0,60])

title('RBF神经网络结果')

% 误差图像

subplot(1,3,3)

mesh(x1,x2,F-v);

zlim([0,60])

title('误差图像')

set(gcf,'position',[300 ,250,900,400])

关于“RBF网络的回归方法如何用”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“RBF网络的回归方法如何用”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注创新互联行业资讯频道。


本文名称：RBF网络的回归方法如何用
链接分享：http://azwzsj.com/article/gecics.html

其他资讯