rbf神经网络matlab代码_径向基函数生成的有限差分法(RBF-FD)原理及程序实现(6)——节点排序...

参考文献

Fornberg, B. and Flyer, N., 2015.A primer on radial basis functions with applications to the geosciences. Society for Industrial and Applied Mathematics.

Bollig, E.F., Flyer, N. and Erlebacher, G., 2012. Solution to PDEs using radial basis function finite-differences (RBF-FD) on multiple GPUs. Journal of Computational Physics, 231(21), pp.7133-7151.

数值实现

Matlab 2019a

地球物理局 地震波动力学实验室 无网格组

声明:
# 系列文章优先满足个人研究需求
# 欢迎批评指正,禁止转载

目 录

石中居士:径向基函数生成的有限差分法(RBF-FD)原理及程序实现——目录​zhuanlan.zhihu.com
17a88e4e26f7bc5715b7d19d57f83362.png

节点排序

RBF-FD DM的稀疏模式取决于物理域中节点的排序方式。例如,在球面设置的一个标准的

节点集通常没有特定的节点排序,从而导致图1(a)所示的
结构。
项的这种分散会降低计算效率,特别是对于并行RBF-FD代码中的内存访问,增加了直接稀疏求解器的成本。为了修改节点排序,并获得具有紧密对角化结构的
,使用了带宽减少算法(例如反向Cuthill-McKee(MATLAB命令:
symrcm)和局部敏感的哈希算法)。后者将物理域分解为粗略的块;在每个块中,使用空间填充曲线(例如,栅格、希尔伯特、皮亚诺)对节点进行重新排序,以使物理空间中相邻的节点在索引空间(内存位置)中相邻。在部分(b)中可以看到对图5.3(a)的矩阵应用反向Cuthill-McKee的结果,而在部分(c)中可以应用局部敏感的哈希算法(按列进行栅格索引)的结果。

在某些情况下,节点最初被有利地排序,例如根据节点的空间紧密度排序。

d7dfdf52a14aff6a5c9f6dbacf312a19.png
图1 (a)RBF-FD DM对于球上对流算子的稀疏性,使用50节点模板和kd树算法来查找附近的49个邻点,而无需注意节点排序。(b)在使用反向Cuthill-McKee算法之后,(a)中的RBF-FD DM的稀疏模式。(c)(a)中的RBF-FD DM使用局部敏感哈希算法后的稀疏模式。

商业推广


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
径向神经网络RBF)是一种常用的神经网络,常用于回归和分类任务。其特点是具有自适应的非线性映射能力,能够拟合各种复杂的非线性函数,并且具有较好的泛化能力。 在MATLAB中,可以通过以下代码进行RBF回归预测: 1. 加载数据 首先需要加载需要进行回归预测的数据,可以使用MATLAB中的load函数,例如: data = load('data.txt'); 其中,data.txt是存储数据的文件名,需要保证数据的格式正确。 2. 分离数据 将数据分成训练集和测试集,可以使用MATLAB中的crossvalind函数,例如: cv = crossvalind('Kfold', size(data, 1), 10); trainData = data(cv ~= 1, :); testData = data(cv == 1, :); 其中,将数据分成了10份,cv~=1表示排除第一份,cv==1表示第一份。 3. 训练模型 使用MATLAB中的newrb函数进行RBF网络的训练,例如: net = newrb(trainData(:, 1:end-1)', trainData(:, end)', 0, 1, 10, 1); 其中,trainData(:, 1:end-1)表示取数据的前n-1列作为输入,trainData(:, end)表示取数据的最后一列作为输出。0, 1, 10, 1分别表示误目标、学习速率、隐藏层神经元个数和正则化参数。 4. 进行预测 使用MATLAB中的simulate函数进行预测,例如: predict = sim(net, testData(:, 1:end-1)'); 其中,testData(:, 1:end-1)表示取数据的前n-1列作为输入。 5. 评价模型 使用MATLAB中的regperf函数对模型进行评价,例如: MSE = regperf(predict', testData(:, end)) 其中,MSE表示均方误。 以上就是使用MATLAB实现径向神经网络RBF回归预测的全部代码
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值