本文主要针对径向基神经网络预测在MATLAB中的实现过程进行陈述,方便读者可以快速上手实现RBF回归预测,RBF(径向基函数)神经网络是一种人工神经网络,它的隐藏层使用径向基函数作为激活函数。与传统的神经网络不同,RBF 网络具有三层结构:输入层、径向基函数隐藏层和线性输出层。接下来让我们一起来学习MATLAB实现RBF的具体流程吧。
第一步:清空变量,导入数据,数据一般都是多输入单输出,假设数据有8列,那么前7列为输入值,最后一列为输出值,具体实现代码如下:
第二步:数据归一化,将数据进行简单归一化处理,将数据归一到同一量纲上,有利于提高精度。主要用到MATLAB中mapminmax函数
第三步:创建径向基网络,调用MATLAB自带工具箱newrbe,设置径向基函数的传播速度即可。
在 RBF 神经网络中,扩展参数(也称为传播系数或径向基函数的宽度)是一个重要的参数。这个参数决定了径向基函数在输入空间中的分布范围。较大的扩展参数会导致径向基函数的分布范围更广,而较小的扩展参数会导致径向基函数更为集中。
第四步:模型建立好了之后就可以对我们的测试集进行预测,主要通过函数sim()进行预测。
第五步:计算相关的误差,如RMSE、MSE、R^2等
最后代码的运行结果如下: