rbnnet_166.m

来自「网上下的一个关于径向基函数网络应用实例」· M 代码 · 共 42 行

% Title : 径向基函数网络应用实例
% Descript : BP网络用于函数逼近时，权值的调整采用的是梯度下降法，但存在着局部极小和收敛速度慢等缺点。而径向基函数网络，则是一种在逼近能力、分类能力和学习速度等方面均优于BP网络的网络。
clf reset
figure(gcf)
%setfsize(300,300);
echo on
clc

% INITFF -对前向网络进行初始化
% SIMUFF -对前向网络进行仿真
% TRAINLN -采用LM算法前向网络进行训练
pause  
clc
% P 为输入向量
P=-1:.1:1;
% T 为目标向量
T = [-0.9602 -0.5770 -0.0729 0.3771 0.6405 0.6600 0.4609...
     0.1336 -0.2013 -0.4344 -0.5000 -0.3930 -0.1647 0.0988...
     0.3072 0.3960 0.3449 0.1816 -0.0312 -0.2189 -0.3201];
pause 
clc

plot(P,T,'+');
title('训练向量');
xlabel('输入向量 P');
ylabel('目标向量 T');

pause
clc

df=10;   %学习过程显示频率
me=8000; %最大训练步数
eg=0.00000002  %误差指标
sc=1  %径向基函数的分布常数

[w1,b1,w2,b2,nr,err]=solverb(P,T,[df me eg sc]);

ploterr(err,eg);

p=0.5;
a=simurb(p,w1,b1,w2,b2)
echo off