《MATLAB R2016a神经网络设计应用27例》.pdf

第 1 章 RBF 神经网络的实际应用 1 第1章 RBF神经网络的实际应用 下面通过几个实例来演示 RBF神经网络的应用。 1.1 用于曲线拟合的 RBF神经网络 【例1-1】 使用NEWRB的函数对接近的一组数据点创建径向基网络，完成 y=f(x)的曲线 拟合。 >> clear all; %定义21个输入P和相关目标向量 T X = -1:.1:1; T = [-.9602 -.5770 -.0729 .3771 .6405 .6600 .4609 ... .1336 -.2013 -.4344 -.5000 -.3930 -.1647 .0988 ... .3072 .3960 .3449 .1816 -.0312 -.2189 -.3201]; plot(X,T,'+'); %效果如图 1-1所示 title('训练向量'); xlabel('输入向量 P'); ylabel('目标向量 T'); 图1-1 训练数据散点图 使用径向传递函数 radbas计算隐藏层的输出，代码为： >> x = -3:.1:3; a = radbas(x); plot(x,a) %效果如图 1-2所示 MATLAB R2016a 神经网络 A?? 27 例 2 title('径向基传递函数 '); xlabel('输入向量 p'); ylabel('输出向量 a'); 图1-2 径向基传递函数 定义径向基网络权值与阈值不同的宽度，比较各隐藏层输出传递函数曲线，三个径向基 函数用曲线用“蓝色”表示，其加权和用“洋红色”表示。代码为： >> a2 = radbas(x-1.5); a3 = radbas(x+2); a4 = a + a2*1 + a3*0.5; % 加权和 plot(x,a,'b-',x,a2,'b--',x,a3,'b--',x,a4,'m-') %效果如图 1-3所示 title('径向基传递函数的加权总和 '); xlabel('输入向量 p'); ylabel('输出向量 a'); 图1-3 径向函数与加权和效果图 利用NEWRB快速创建一个接近 P和T的定义除了训练集和目标函数的径向基网络，代 码为： 第 1 章 RBF 神经网络的实际应用 3 >> eg = 0.02; % 总和平方误差目标 sc = 1; % 扩展速度，默认值为 1 仿真过程如下，误差如图 1-4所示。 net = newrb(X,T,eg,sc); NEWRB, neurons = 0, MSE = 0.176192 NEWRB, neurons = 2, MSE = 0.160368 NEWRB, neurons = 3, MSE = 0.128338 NEWRB, neurons = 4, MSE = 0.0275185 NEWRB, neurons = 5, MSE = 0.0264878 NEWRB, neurons = 6, MSE = 0.00046188 绘制函数拟合曲线，代码如下： >> plot(X,T,'+'); xlabel('输入'); X = -1:.01:1; Y = net(X); hold on; plot(X,Y); hold off; legend({'目标','输出'}) 得到拟合曲线如图 1-5所示。其中实线为得到的拟