案例7RBF网络的回归非线性函数回归的实现docxWord文件下载.docx
- 文档编号:13966253
- 上传时间:2022-10-16
- 格式:DOCX
- 页数:30
- 大小:42.57KB
案例7RBF网络的回归非线性函数回归的实现docxWord文件下载.docx
《案例7RBF网络的回归非线性函数回归的实现docxWord文件下载.docx》由会员分享,可在线阅读,更多相关《案例7RBF网络的回归非线性函数回归的实现docxWord文件下载.docx(30页珍藏版)》请在冰豆网上搜索。
net二
NeuralNetwork
object:
architecture:
numTnputs:
numLaycrs:
biasConnect:
inputConnect:
layerConnect:
outputConnect:
1
2
[1;
1]
o]
[00;
10]
[01]
numOutputs:
1(read-only)numlnputDelays:
0(read-only)numLayerDelays:
0(read-only)subobjectstructures:
inputs:
{lxlcell}ofinputs
layers:
{2x1cell}oflayers
outputs:
{1x2cell}containing1output
biases:
{2x1cell}containing2biases
inputWeights:
laycrWcights:
{2x1cel1}containing1inputweight{2x2cell}containing1layerweight
functions:
adaptFcn:
divideFcn:
(none)
gradientFcn:
initFcn:
performFcn:
plotFcns:
{}
trainFen:
parameters:
adaptParam:
divideParam:
gradientParam:
initParam:
performParam:
trainParam:
weightandbias
IW:
LW:
values:
{2x1cell}containing1inputweightmatrix
{2x2cell}containing1layerweightmatrix
b:
{2x1cel1}containing2biasvectors
other:
namc:
userdata:
(userinformation)
网络的效果验证
%我们将原数据回带,测试网络效果:
ty=sim(net,[xl;
x2]);
%我们使用图像来看网络对非线性函数的拟合效果
figure
plot3(xl,x2,F,'
rd'
);
holdon;
plot3(xl,x2,ty,'
b-.'
view(l13,36)
titleC可视化的方法观察准确RBF神经网络的拟合效果'
)
xlabel('
xl'
ylabel(,x2,)
zlabel('
F,)
gridon
可视化的方法观察准确RBF神经网络的拟合效果
-2
下面用approximateRBF网络对同一函数进行拟合
(chapter7-2.m)
•产生训练样本(训练输入,训练输岀)
•建立RBF神经网络
•建立测试样木
•使用建立的RBF网络进行模拟,得出网络输出
•使用图像,画岀3维图
2、主程序:
产生训练样本(训练输入,训练输出)
Id为样本例数
ld=400;
%产生2*ld的矩阵x=rand(2,Id);
%将x转换到[-1.51.5]之间
x=(x-0.5)*1.5*2;
%x的第一列为xl,第二列为x2.
xl二x(l,:
x2=x(2,:
%计算网络输出F值
F二20+xl."
2T0*cos(2*pi*xl)+x2・"
2T0*cos(2*pi*x2);
建立RBF神经网络采用approximateRBF神经网络。
spread为默认值net=newrb(x,F);
建立测试样本
%generatethetcstingdata
interval二0.1;
[i,j]=meshgrid(-1.5:
interval:
1.5);
row二size(i);
txl二i(:
txl二txl'
;
tx2=j(:
tx2=tx2,;
tx二[txl;
tx2];
使用建立的RBF网络进行模拟,得出网络输出
ty=sim(net,tx);
使用图像,画出3维图
%真正的函数图像
interval=0.1;
[xl,x2]=meshgrid(-1・5:
intcrval:
1・5);
F=20+xl・"
2T0*cos(2*pi*xl)+x2・"
2T0*cos(2*pi*x2);
subplot(1,3,1)
mesh(xl,x2,F);
zlim([0,60])
titleC真正的函数图像'
%网络得出的函数图像
v二reshape(ty,row);
subplot(1,3,2)
mesh(i,j,v);
titleCRBF神经网络结果'
%误差图像subplot(1,3,3)mesh(xl,x2,F~v);
zlim([O,60])
titleC误差图像'
set(gcf,'
position'
[300,250,900,400])
结果分析
代码运行后的结果如图所示
在命令窗口输出结果如下:
NEWRB,
neurons
=0,MSE=
108.563
二2,MSE二
106.612
二3,MSE二
106.588
二4,MSE二
105.692
=5,MSE=
103.957
=6,MSE=
103.901
二7,MSE二
103.661
二8,MSE二
99.4239
二9,MSE二
99.3709
=10,MSE=
=98.4437
=11,MSE:
=98.4334
二12,MSE:
=97.0947
二13,MSE二
=97.0662
二14,MSE=
二97.0623
neurons二
15,
MSE=
96.9707
16,
MSE二
96.5273
neurons=
17,
89.0728
18,
83.7398
19,
82.6886
20,
73.5795
21,
68.2986
22,
64.3154
23,
56.6795
24,
56.2971
25,
48.7566
26,
47.2739
27,
45.9051
2&
45.0112
29,
42.8181
30,
41.491
31,
35.6978
32,
35.0401
33,
31.7462
34,
30.1603
35,
29.2863
36,
28.3875
37,
26.2179
3&
24.2333
39,
21.639
40,
20.144
41,
1&
4123
42,
15.9317
43,
14.5087
44,
11.1312
45,
8.44281
46,
6.90717
亿
5.66637
48,
4.84694
49,
4.38789
50,
3.67744
51,
3.51838
52,
3.23929
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 案例 RBF 网络 回归 非线性 函数 实现 docx
![提示](https://static.bdocx.com/images/bang_tan.gif)