matlab径向基(神经网络)使用Demo

newrb----matlab神经网络工具箱使用教学  

原创文章，转载请说明来自 老饼神经网络 《www.bbbdata.com》

一. 代码

首先献上一个自己编写能跑得过的demo（2012实测能跑过）：

x1 = 1:0.2:10; x2 = -5:0.2:4; X  = [x1;x2];     %注意中间是分号 Y  = sin (X(1,:))+X(2,:); net = newrb(X, Y, 0, 2)    %以X，Y建立径向基网络，目标误差为0.01，径向基的spread=2 simY = sim(net, X);        %用建好的网络拟合原始数据 figure(1); t = 1:size(Y,2); plot(t,Y,'*',t,simY,'r')

    有些同学会非常奇怪，为什么径向基神经网络不需要调用train来训练网络（像BP神经网络就需要train）。这是因为matlab工具箱在你调用newrb建立径向基神经网络的时候，就已经使用正交最小二乘(OLS)优选算法对神经网络的权重阈值求得最优解了，所以之后不再需要对网络进行训练。

二.使用文档

为了方便大家更了解如何在matlab调用径向基神经网络newrb，下面翻译matlab给出的doc newrb 文档（为方便大家理解，本人作了些少改动），帮助大家更进一步使用newrb：

语法：
    net=newrb(P,T,goal.spread,MN,DF)

描述：

    径向基神经网络可以用于拟合函数。newrb会不断向径向基网络的隐层添加神经元，直到网络达到指定的均方误差目标。

    net=newrb(P,T,goal.spread,MN,DF) 至少需要2个入参。

入参	说明
P	R行Q列的输入矩阵，R个输入变量，Q个样本。
T	S行Q列的目标输出矩阵，S个输出变量，Q个样本。
goal	均方误差目标（默认=0.0）
spread	径向基函数的扩展系数（默认=1.0）
MN	隐层神经元的最大个数（默认是Q）
DF	每添加DF个神经元，在command窗口打印一次当前结果(文档说默认是25，本人试了，默认是50)

     返回一个新的径向基神经网络。

     扩展系数spread 越大，拟合的函数越平滑。 太大的扩展系数,对于拟合迭宕起伏的函数，会需要非常多的神经元;太小的扩展系数，在拟合平滑的函数时会需要很多神经元，而且泛化能力不好。（Too large a spreadmeans a lot of neurons are required to fit a fast-changing function. Too small a spread means manyneurons are required to fit a smooth function, and the network might notgeneralize well.）。对于给定的问题，通过设置不同的扩展系数调用newrb，来找到最好的扩展系数。

对于给定的输入 P和目标T，你可以设计一个径向基神经网络如下：

P = [1 2 3];
T = [2.0 4.1 5.9];
net = newrb(P,T);

下面网络拟合一个新的输入

P = 1.5;
Y = sim(net,P)

三.算法：

newrb创建一个两层的神经网络。第一层是径向基神经元，并用dist来计算它的加权输入和netprod来计算它的网络输入。第2层是线性神经元，用dotprod计算它的加权输入和netsum计算网络输入，两层都有阈值。刚初始化的径向基层没有神经元，不断的重复下面的步骤直到神经网络的均方误差达到目标。

1）网络被拟合。
2）找到最大误差的输入样本
3）以该样本的值作为权值，添加新的径向神经元
4）重新计算线性层的权值，使误差最小化。

相关文章

​《BP神经网络梯度推导》

​​​​​​《BP神经网络提取的数学表达式》

《一个BP的完整建模流程》