selforganize.m

来自「该系统使用极其简便」· M 代码 · 共 13 行

function [w,wbias,y,d,b,sse]=selforganize(x,c,t)
%	RBF网络的实现
%x为np×ni的输入矩阵。np为输入样本个数,ni为RBF网络输入层单元数
%c为ni×m的初始中心矩阵。m为中心的个数
%t为np×no的期望输出矩阵。No为RBF网络输出层节单元数
[np,ni]=size(x);
d=learning_c(x,c);   %学习中心
b=maxdistance(d);    %学习方差
g=guassdist(x,d,b);  %计算格林矩阵
[w,wbias]=solveout2(g,t); %学习隐层至输出层的权值
y=g*w+ones(np,1)*wbias;   %y为实际输出矩阵
sse=sumsqr(t-y);         %sse为期望输出与实际输出的误差