python实现的RBF神经网络见:基于tensorflow的RBF神经网络案例
1 一元函数逼近
1.1 待逼近的函数
1.2代码
%%%%%%%%%%一元函数逼近%%%%%%%%%%clear,clc;x=linspace(-20,20,100); %神经网络输入值t=10*x-30*sin(x)-80*tansig(x); %神经网络目标值plot(x,t,'+'); %待逼近的函数图像hold onnet=newrb(x,t,1,2); %平方和误差小于1y=net(x);%神经网络输出值plot(x,y,'g'); %仿真的函数图像title('RBF神经网络函数逼近');xlabel('输入值');ylabel('目标值/输出值');mse(y,t) %平方和误差
1.3运行结果
MSE=0.9157
2 二元函数逼近
2.1待逼近的函数
2.2代码
%%%%%%%%%%二元函数逼近%%%%%%%%%%clear,clct=0:0.1:10*pi; %辅助参数x=(t+0.5*pi).*sin(t+0.5*pi); %神经网络输入值(指标1)y=(t+0.5*pi).*cos(t+0.5*pi); %神经网络输入值(指标2)z=1.5*t; %神经网络目标值net=newrb([x;y],z,0.001,2); %平方和误差小于0.001zf=net([x;y]);%神经网络输出值plot3(x,y,zf,'r'); %仿真的函数图像hold onplot3(x,y,z,'+'); %待逼近的函数图像title('RBF神经网络函数逼近');xlabel('输入值(指标1)');ylabel('输入值(指标2)');zlabel('目标值/输出值');grid onmse(zf,z) %平方和误差
2.3运行结果
MSE=9.5196e-04