文章目录
使用RBF网络进行函数拟合
使RBF网络具有f(x )函数的拟合功能，其中输入是x，输出是预期的f ) x ) RBF网络配置
RBF网络的结构与多层前向网络相似，即三层前向网络。 输入层由信号源节点构成； 第二层是隐式层，隐式单元数量根据所描述的问题的需要而不同，隐藏单元的变换函数是RBF径向基函数，是相对于中心点呈放射状对称衰减的非负非线性函数； 第三层是输出层，响应输入模式的作用，使用python代码使用importnumpyasnpimportmatplotlib.pyplotaspltimportmatplotlibasmplfromscipy.linalgimportntlib pinvclassrbf : def _ init _ (self，input_dim=1，num_centers=2， out_dim=1) : self.input _ dim=input _ dim self.num _ centers=num _ centers self.out _ dim=out _ dimself d 65: return NP.exp (self.bet a* norm (c-d ) **2) def _ calc act (self，x ) :g=NP.zeros ) ) x.shape cicio x in enumerate(X ) x ) : G[xi，ci]=self._basisfunc(c ) c， x ) returngdeftter y ) : rnd _ idx=NP.random.permutation (x.shape [0] ) 3360self.num_centers ) self.center x ) : G=self._calcAct(X ) x ) Y=np.dot(G ) g，self.W ) returnypassif _ _ name _=' _ main _ ' 332301; -0.2013，-0.4344，-0.5，-0.3930，- 0.1647，0.0988，0.3072，0.3960，-0.4344，-0.1816，-0.3072 -0.3201] ) y Y=y ) y_pred=net.predict(x ) PLT.title (' radialbasistransferfunction ' ) PLT.plot ) x、y、color='green