传感器sc=3.m

这是训练rbf神经网络

%RBF法建模
%标准化的建模数据集
m_data=[4	5.97
5	5.72
6	5.44
7	5.18
8	4.92
9	4.7
10	4.48
11	4.27
12	4.08
13	3.83
14	3.71
15	3.54
16	3.38
17	3.23
18	3.09
19	2.95
20	2.82
21	2.71
22	2.59
23	2.46
24	2.36
25	2.26
26	2.16
27	2.07
28	1.98
29	1.9
30	1.82
31	1.74
32	1.67
33	1.6
34	1.53
35	1.47
36	1.41
37	1.36
38	1.3
];
X=m_data(:,1);T=m_data(:,2);T=T';
%随机选取中心
C=X;
%定义delta平方为样本各点的协方差之和
delta=cov(X');
delta=sum(delta);
%隐含层输出H
for i=1:1:35
  for j=1:1:35
     H(i,j)=((X(i,:)-C(j,:)))*((X(i,:)-C(j,:))');
     H(i,j)=exp(-H(i,j)./delta);
  end
end
p=H;
%建模
%
err_goal=0.01;
sc=3;
net=newrb(p,T,err_goal,sc);
Y=sim(net,p);
E=T-Y;
SSE=sse(E);
MSE=mse(E);
%拟合图
figure;
plot(T);
hold on;
plot(Y,'r:');
title('RBF网络传感器建模拟合曲线图');
legend('理想值','实际值');
ylabel('输出样本点—电阻');
xlabel('输入样本点—温度');
axis([1,35,1,6]);
%RBF法预测
%标准化的预测数据集
  m_data=[4.5	5.89
5.5	5.57
6.5	5.3
7.5	5.03
8.5	4.81
9.5	4.59
10.5	4.38
11.5	4.17
12.5	3.98
13.5	3.8
14.5	3.62
15.5	3.46
16.5	3.29
17.5	3.15
18.5	3.02
19.5	2.89
20.5	2.77
21.5	2.64
22.5	2.52
23.5	2.41
24.5	2.31
25.5	2.21
26.5	2.11
27.5	2.02
28.5	1.94
29.5	1.85
30.5	1.79
31.5	1.71
32.5	1.64
33.5	1.56
34.5	1.5
35.5	1.44
36.5	1.38
37.5	1.33
38.5	1.28
	
];
X1=m_data(:,1);T1=m_data(:,2);T1=T1';
%隐含层输出H
for i=1:1:35
  for j=1:1:35
     H1(i,j)=((X1(i,:)-C(j,:)))*((X1(i,:)-C(j,:))');
     H1(i,j)=exp(-H1(i,j)./delta);
  end
end
p1=H1;
Y1=sim(net,p1);
E1=T1-Y1;
SSE=sse(E1);
MSE=mse(E1);
%拟合图
figure;
plot(T1);
hold on;
plot(Y1,'r:');
title('RBF网络传感器预测拟合曲线图');
legend('理想值','实际值');
ylabel('输出样本点—电阻');
xlabel('输入样本点—温度');
axis([1,35,1,6]);
figure;
plot(E);
title('RBF网络传感器建模误差图');
figure;
plot(E1);
title('RBF网络传感器预测误差图');