matlab RBF神经网络代码实现

最新推荐文章于 2024-08-15 18:13:00 发布

m0_45355084

最新推荐文章于 2024-08-15 18:13:00 发布

阅读量2.6k

点赞数 3

分类专栏： RBF神经网络笔记文章标签：神经网络 matlab 深度学习

本文链接：https://blog.csdn.net/m0_45355084/article/details/119962745

版权

该博客通过MATLAB实现了一个RBF神经网络，并以辛烷值预测为例进行训练和测试。首先清理环境变量，然后导入数据并划分训练集和测试集。接着创建RBF网络并进行仿真，计算预测误差和决定系数R²，展示预测结果与实际值的对比图。最后，使用训练好的网络预测新的辛烷值数据。

摘要由CSDN通过智能技术生成

辛烷值预测为例

%% I. 清空环境变量
clear all
clc

%% II. 训练集/测试集产生
%%
% 1. 导入数据
load NIR.mat
load octane.mat
load new_x.mat
%%
% 2. 随机产生训练集和测试集
temp = randperm(size(NIR,1));
% 训练集——40个样本
P_train = NIR(temp(1:40),:)';
T_train = octane(temp(1:40),:)';
% 测试集——10个样本
P_test = NIR(temp(41:end),:)';
T_test = octane(temp(41:end),:)';
N = size(P_test,2);

%% III. RBF神经网络创建及仿真测试
%%
% 1. 创建网络
net = newrbe(P_train,T_train,0.055); %这里spread设置为30 每次都不太一样，可以自行调试到理想状态，一般使用0.001-0.009或者0.01-0.09 这个区间试验

% 2. 仿真测试
T_sim = sim(net,P_test);

%% IV. 性能评价
%%
% 1. 相对误差error
error = abs(T_sim - T_test)./T_test;

%%
% 2. 决定系数R^2
R2 = (N * sum(T_sim .* T_test) - sum(T_sim) * sum(T_test))^2 / ((N * sum((T_sim).^2) - (sum(T_sim))^2) * (N * sum((