RBF-ANNs-code.rar_ANNs资源-CSDN文库

共7个文件

txt：7个

版权申诉

7 浏览量 2022-07-14 08:23:21 上传评论收藏 8KB RAR 举报

**RBF神经网络详解** RBF（Radial Basis Function，径向基函数）神经网络是一种非线性模型，常用于分类和回归问题。它在处理复杂数据模式时表现出色，尤其是当输入数据具有多维非线性关系时。标题中的"RBF-ANNs-code.rar_ANNs"表明这是一个关于RBF神经网络的代码资源包，可能是用不同编程语言实现的，旨在帮助用户理解和应用RBF神经网络。 **RBF神经网络结构** RBF神经网络通常由三层组成：输入层、隐藏层和输出层。输入层接收原始数据，隐藏层包含一组RBF核单元，输出层则负责生成最终的预测结果。每个RBF核单元对应一个径向基函数，如高斯函数，用于计算输入与中心点之间的距离，形成一个局部响应。 **高斯函数** 高斯函数是最常见的RBF，公式为：`exp(-0.5 * (x - c)^2 / σ^2)`，其中 `x` 是输入值，`c` 是中心点，`σ` 是标准偏差。高斯函数以中心点为中心，形状像钟形，随着与中心点距离的增加，函数值迅速下降。这种特性使得RBF网络可以很好地捕获输入空间中的局部特性。 **训练过程** RBF神经网络的训练主要涉及两部分：确定隐藏层中心点（或称基函数中心）和输出层权重。中心点的选择通常是通过聚类算法（如K-means）来确定的，它们代表了输入数据的空间分布。输出层权重的计算通常采用最小二乘法，目的是最小化网络预测值与实际值之间的误差。 **应用场景** RBF神经网络在多种领域都有应用，包括信号处理、图像识别、机器学习模型融合、工程控制等领域。由于其快速的前向传播和良好的非线性拟合能力，它在处理实时和大数据量问题时特别有效。 **源程序分析** 压缩包中的七个源程序可能分别用不同的编程语言（如Python、Matlab、C++等）实现了RBF神经网络。每个程序可能有不同的设计思路和优化方法，用户可以通过阅读和运行这些代码来加深对RBF神经网络的理解，甚至根据自己的需求进行修改和扩展。 RBF神经网络是机器学习领域的一种重要工具，这个代码资源包为学习者提供了一手的实践材料，有助于提升编程能力和理论理解。对于希望深入研究非线性建模或者提高预测性能的人来说，这将是一个宝贵的资源。

资源推荐

资源详情

资源评论

收起资源包目录

RBF-ANNs-code.rar （7个子文件）

七个RBF神经网络的源程序

RBFyuce.m.txt 2KB

RBF_cluster.m.txt 3KB

RBF_Gradient.m.txt 1KB

RBFFunction.m.txt 2KB

RBF建模.m.txt 6KB

RBF_OLS.m.txt 2KB

RBF_k.m.txt 3KB

%RBF法建模 %标准化的建模数据集 m_data=[0.26667 0.47647 0.35 0.30741 0.39565 0.9; 0.2 0.75882 0.35 0.27778 0.53479 0.46001; 0.2 0.52353 0.4 0.33704 0.32609 0.48001; 0.66667 0.52353 0.29999 0.21852 0.27391 0.50001; 0.26667 0.75882 0.6 0.33704 0.32609 0.44001; 0.16667 0.57059 0.29999 0.27778 0.3087 0.46001; 0.2 0.71176 0.4 0.36667 0.44783 0.48001; 0.23333 0.71176 0.5 0.30741 0.15218 0.34001; 0.16667 0.42941 0.5 0.24815 0.5 0.48001; 0.13333 0.57059 0.5 0.3963 0.41305 0.48001; 0.16667 0.75882 0.5 0.21852 0.3087 0.52001; 0.16667 0.71176 0.4 0.27778 0.48261 0.44001; 0.23333 0.75882 0.5 0.33704 0.3087 0.48001; 0.13333 0.75882 0.5 0.33704 0.23913 0.42001; 0.16667 0.75882 0.2 0.18889 0.13478 0.1; 0.13333 0.71176 0.35 0.27778 0.32609 0.14; 0.2 0.24119 0.35 0.24815 0.3087 0.88001; 0.70001 0.47647 0.25 0.33704 0.20435 0.38001; 0.4 0.52353 0.2 0.15927 0.23913 0.34001; 0.26667 0.47647 0.35 0.12963 0.16957 0.36; 0.16667 0.6647 0.35 0.27778 0.27391 0.40001; 0.3 0.61764 0.55 0.24815 0.25652 0.62001; 0.13333 0.75882 0.6 0.30741 0.20435 0.62001; 0.3 0.71176 0.55 0.18889 0.20435 0.70001; 0.13333 0.57059 0.5 0.30741 0.29131 0.72001; 0.16667 0.80588 0.5 0.21852 0.23913 0.60001; 0.1 0.61764 0.6 0.21852 0.16957 0.62001; 0.23333 0.61764 0.5 0.3963 0.3087 0.70001; 0.2 0.80588 0.45 0.18889 0.1 0.48001; 0.23333 0.6647 0.45 0.1 0.11739 0.54001; 0.2 0.52353 0.29999 0.30741 0.16957 0.50001; 0.16667 0.71176 0.6 0.24815 0.23913 0.70001; 0.1 0.85293 0.6 0.12963 0.16957 0.52001; 0.3 0.61764 0.5 0.21852 0.13478 0.64001; 0.13333 0.61764 0.4 0.27778 0.23913 0.62001; 0.16667 0.80588 0.6 0.3963 0.23913 0.36; 0.23333 0.75882 0.75 0.30741 0.1 0.66001; 0.13333 0.9 0.6 0.27778 0.20435 0.44001; 0.16667 0.61764 0.29999 0.27778 0.32609 0.60001; 0.16667 0.71176 0.6 0.27778 0.27391 0.52001; 0.1 0.85293 0.45 0.1 0.23913 0.54001; 0.1 0.71176 0.69999 0.27778 0.43044 0.76001; 0.1 0.38236 0.6 0.30741 0.32609 0.64001; 0.1 0.75882 0.6 0.33704 0.25652 0.46001; 0.73333 0.71176 0.25 0.45556 0.5 0.50001; 0.56667 0.61764 0.35 0.33704 0.34348 0.74; 0.13333 0.6647 0.75 0.75186 0.69131 0.56001; 0.83334 0.61764 0.25 0.60371 0.44783 0.38001; 0.9 0.33529 0.2 0.3963 0.3087 0.54001; 0.4 0.61764 0.5 0.3963 0.44783 0.48001; 0.1 0.57059 0.4 0.57408 0.7261 0.88001; 0.16667 0.61764 0.35 0.27778 0.34348 0.38001; 0.1 0.47647 0.35 0.75186 0.83045 0.62001; 0.2 0.47647 0.35 0.81111 0.83045 0.70001; 0.1 0.33529 0.6 0.9 0.9 0.50001; 0.13333 0.24119 0.4 0.81111 0.86522 0.58356; 0.4 0.80588 0.6 0.48519 0.55218 0.42001; 0.5 0.42941 0.45 0.57408 0.37826 0.56001; 0.16667 0.28824 0.25 0.75186 0.79567 0.54001; 0.23333 0.33529 0.4 0.84075 0.65653 0.68001; 0.13333 0.57059 0.6 0.57408 0.67392 0.46001; 0.5 0.57059 0.5 0.51482 0.55218 0.44001; 0.1 0.6647 0.69999 0.57408 0.65653 0.88001; 0.3 0.75882 0.75 0.21852 0.37826 0.70001; 0.23333 0.57059 0.6 0.3963 0.41305 0.48001; 0.59999 0.80588 0.45 0.24815 0.25652 0.42001; 0.70001 0.28824 0.65 0.63334 0.58696 0.60001; 0.4 0.61764 0.4 0.33704 0.34348 0.34001; 0.46666 0.1 0.5 0.63334 0.65653 0.54001; 0.23333 0.33529 0.25 0.84075 0.7261 0.50001; 0.2 0.47647 0.1 0.27778 0.3087 0.42001; 0.36667 0.52353 0.5 0.51482 0.83045 0.62001; 0.4 0.47647 0.45 0.33704 0.32609 0.50001; 0.33333 0.33529 0.4 0.63334 0.7261 0.46001; 0.23333 0.24119 0.55 0.63334 0.7261 0.53778; 0.13333 0.24119 0.45 0.33704 0.3087 0.76001; 0.33333 0.47647 0.45 0.42593 0.41305 0.70001; 0.5 0.1 0.35 0.3963 0.48261 0.70001; 0.46666 0.52353 0.4 0.63334 0.86522 0.52001; 0.26667 0.33529 0.25 0.69259 0.83045 0.68001; 0.26667 0.71176 0.6 0.42593 0.55218 0.34001; 0.4 0.42941 0.5 0.45556 0.43044 0.52001; 0.23333 0.47647 0.6 0.54445 0.62175 0.52001; 0.36667 0.47647 0.4 0.69259 0.69131 0.52001; 0.26667 0.61764 0.29999 0.63334 0.81306 0.44001; 0.1 0.33529 0.65 0.3963 0.23913 0.44001; 0.13333 0.57059 0.6 0.51482 0.55218 0.38001; 0.2 0.33529 0.55 0.45556 0.55218 0.52001; 0.33333 0.24119 0.29999 0.57408 0.83045 0.64001; 0.16667 0.42941 0.5 0.45556 0.76088 0.58001; 0.13333 0.71176 0.65 0.45556 0.37826 0.22001; 0.1 0.71176 0.6 0.63334 0.69131 0.28001; 0.2 0.52353 0.9 0.36667 0.48261 0.36446; 0.16667 0.71176 0.8 0.36667 0.32609 0.42001; 0.13333 0.42941 0.55 0.51482 0.48261 0.58001; 0.4 0.47647 0.5 0.30741 0.37826 0.48001; 0.8 0.52353 0.4 0.30741 0.34348 0.48001; 0.1 0.6647 0.69999 0.51482 0.5 0.38001; 0.16667 0.6647 0.55 0.45556 0.32609 0.34001; 0.23333 0.61764 0.65 0.51482 0.41305 0.2; 0.3 0.71176 0.5 0.33704 0.5174 0.70001; 0.13333 0.57059 0.5 0.33704 0.44783 0.60001; 0.3 0.80588 0.69999 0.54445 0.5174 0.50001; 0.13333 0.75882 0.65 0.3963 0.37826 0.28001; 0.16667 0.71176 0.65 0.57408 0.5 0.70001; 0.16667 0.75882 0.6 0.45556 0.62175 0.44001; 0.26667 0.61764 0.65 0.3963 0.34348 0.74; 0.36667 0.57059 0.5 0.30741 0.39565 0.62001; 0.16667 0.57059 0.65 0.3963 0.29131 0.62001; 0.2 0.52353 0.5 0.48519 0.39565 0.44001; 0.4 0.52353 0.45 0.33704 0.34348 0.56001; 0.13333 0.52353 0.5 0.33704 0.29131 0.52001; 0.26667 0.42941 0.5 0.75186 0.65653 0.76001; 0.13333 0.24119 0.5 0.54445 0.58696 0.64001; 0.13333 0.14707 0.1 0.51482 0.5174 0.58001; 0.2 0.24119 0.29999 0.60371 0.62175 0.74; 0.26667 0.42941 0.25 0.57408 0.65653 0.60001; 0.56667 0.19412 0.4 0.78148 0.69131 0.70001; 0.4 0.57059 0.25 0.60371 0.58696 0.50001; 0.33333 0.47647 0.25 0.48519 0.65653 0.72001; 0.4 0.38236 0.29999 0.42593 0.23913 0.58001; 0.13333 0.61764 0.65 0.57408 0.55218 0.70001; 0.23333 0.42941 0.69999 0.63334 0.48261 0.62001; 0.2 0.28824 0.55 0.81111 0.76088 0.58]; X=m_data(:,1:5);T=m_data(:,6);T=T'; %随机选取中心 C=X; %定义delta平方为样本各点的协方差之和 delta=cov(X'); delta=sum(delta); %隐含层输出H for i=1:1:124 for j=1:1:124 H(i,j)=((X(i,:)-C(j,:)))*((X(i,:)-C(j,:))'); H(i,j)=exp(-H(i,j)./delta(j)); end end p=H; %建模 % err_goal=0.001; sc=3; net=newrb(p,T,err_goal,sc,1000,1); Y=sim(net,p); E=T-Y; SSE=sse(E); MSE=mse(E); %拟合图 figure; plot(T); hold on; plot(Y,'r:'); title('RBF网络拟合曲线图'); legend('化验值','估计值'); ylabel('淀粉利用率'); xlabel('输入样本点'); axis([1,130,0,1]);

评论收藏

内容反馈

版权申诉