RBF神经网络

1 注意：若矩阵不为方阵，则采用伪逆！

2.简单神经网络，用于线性可分。

3.依然仅一个神经元，但做了空间转换，解决非线性分类问题

4.简单小例子

5.RBF定义

.

6.小例子

7.代码

=====rbf_approx======

[cpp]  view plain copy

1. clc;  
2. clear;  
3. close all;  
4.   
5.   
6. ld=400; %generate the 400 learing data  
7.   
8. x=rand(2,ld); %0-1, two dimention vector  
9. x=(x-0.5)*1.5*2; %-1.5, 1.5  
10. x1=x(1,:);  
11. x2=x(2,:);  
12. F=20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);  
13.   
14.   
15. % x is input,F is ouput.F is indeed not known by the learner. Now ,the  
16. %RBF network is trained.  
17. net=newrb(x,F);  
18.   
19. %generate the testing data  
20. interval=0.1;  
21. [i, j]=meshgrid(-1.5:interval:1.5);  
22. row=size(i);  
23. tx1=i(:);  
24. tx1=tx1';  
25. tx2=j(:);  
26. tx2=tx2';  
27. tx=[tx1;tx2];  
28.   
29. %testing,tx is testing data,ty is sim output,using our RBF.  
30. ty=sim(net,tx);  
31.   
32. v=reshape(ty,row);  
33. figure  
34. subplot(1,3,2)  
35. mesh(i,j,v);% v is testing output data.  
36.   
37. zlim([0,60])%plot the original functioninterval=0.1;[x1, x2]=meshgrid(-1.5:interval:1.5);F = 20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);subplot(1,3,1)mesh(x1,x2,F);% F is real function output data.  
38. zlim([0,60])%plot the errorsubplot(1,3,3)mesh(x1,x2,F-v);zlim([0,60])  

====rbf_exact====

[cpp]  view plain copy

1. %Generate some training data  
2. clc;  
3. clear;  
4. interval=0.01;  
5. x1=-1.5:interval:1.5;  
6. x2=-1.5:interval:1.5;  
7. F = 20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2);  
8. net=newrbe([x1;x2],F)  
9.   
10. ty=sim(net,[x1;x2]);  
11. figure  
12. plot3(x1,x2,F,'g');  
13. figure  
14. plot3(x1,x2,ty,'b');  

8.运行结果

9.小总结