grnn.m

广义回归神经网络是RBF的一个扩展。但是具体怎么实现却代码很少

close all
clf reset
figure(gcf);
echo on
clc
%NEWGRNN-设计广义回归网络
%SIM-对广义回归网络进行仿真
pause
clc
%P是输入矢量，T是目标矢量
P=-1:0.2:1;
T=cos(4*P)-sin(2*P);
%画出待逼近函数的图形
plot(P,T,'+');
pause
clc
%设计两个广义回归网络，对函数进行逼近
%第一个网络
sp1=0.05;                %扩展常数1
net1=newgrnn(P,T, sp1);  %网络1
%第二个网络
sp2=0.7;                %扩展常数2
net2=newgrnn(P,T, sp2); %网络2
pause
clc
%利用一组新数据对网络进行测试
P1=-1.1:0.2:1.1;
%对网络 1 进行仿真，并画出样本数据图形和网络输出图形
plot(P,T,'.','markersize',20);
title('net1');
hold on;
Y1=sim(net1,P1);
plot(P1,Y1,'*','markersize',10,'color',[1 0 0]);
pause
clc 
%对网络 2 进行仿真，并画出样本数据图形和网络输出图形
figure;
plot(P,T,'.','markersize',20,'color',[1 0 1]);
hold on;
Y2=sim(net2,P1);
title('net2');
plot(P1,Y2,'*','markersize',10,'color',[1 1 0]);
figure
for sp=0.1:0.1:0.7;
net=newgrnn(P,T,sp);
Y=sim(net,P1);
plot(P1,Y1,'*','markersize',10,'color',[1 0 0]);
end
echo off