溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹了RBF網絡的回歸方法如何用的相關知識，內容詳細易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇RBF網絡的回歸方法如何用文章都會有所收獲，下面我們一起來看看吧。
%% 清空環境變量
clc
clear
%% 產生訓練樣本（訓練輸入，訓練輸出）
% ld為樣本例數
ld=400;
% 產生2*ld的矩陣
x=rand(2,ld);
% 將x轉換到[-1.5 1.5]之間
x=(x-0.5)*1.5*2;
% x的第一列為x1，第二列為x2.
x1=x(1,:);
x2=x(2,:);
% 計算網絡輸出F值
F=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);
%% 建立RBF神經網絡
% 采用approximate RBF神經網絡。spread為默認值
net=newrb(x,F);
%% 建立測試樣本
% 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網絡進行模擬，得出網絡輸出
ty=sim(net,tx);
%% 使用圖像，畫出3維圖
figure
% 真正的函數圖像
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('真正的函數圖像')
% 網絡得出的函數圖像
v=reshape(ty,row);
subplot(1,3,2)
mesh(i,j,v);
zlim([0,60])
title('RBF神經網絡結果')
% 誤差圖像
subplot(1,3,3)
mesh(x1,x2,F-v);
zlim([0,60])
title('誤差圖像')
set(gcf,'position',[300 ,250,900,400])
關于“RBF網絡的回歸方法如何用”這篇文章的內容就介紹到這里，感謝各位的閱讀！相信大家對“RBF網絡的回歸方法如何用”知識都有一定的了解，大家如果還想學習更多知識，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
