RBF源程序

gghhjj

1. clear,clc;
   
2. SamNum = 100;                       % 训练样本数
   
3. %TargetSamNum = length(TargetIn);                 % 测试样本数
   
4. InDim = 1;                          % 样本输入维数
   
5. UnitNum = 10;                       % 隐节点数
   
6. MaxEpoch = 2500;                    % 最大训练次数
   
7. E0 = 0.9;                           %目标误差
   
8. 
   
9. % 根据目标函数获得样本输入输出
   
10. rand('state',sum(100*clock))
    
11. NoiseVar = 0.1;
    
12. Noise = NoiseVar*randn(1,SamNum);
    
13. SamIn = 8*rand(1,SamNum)-4;
    
14. SamOutNoNoise = 1.1*(1-SamIn+2*SamIn.^2).*exp(-SamIn.^2/2);
    
15. SamOut = SamOutNoNoise + Noise;
    
16. 
    
17. TargetIn = -4:0.08:4;
    
18. TargetOut = 1.1*(1-TargetIn+2*TargetIn.^2).*exp(-TargetIn.^2/2);
    
19. 
    
20. TargetSamNum = length(TargetIn);                 % 测试样本数
    
21. 
    
22. figure
    
23. hold on
    
24. grid
    
25. plot(SamIn,SamOut,'b+')
    
26. plot(TargetIn,TargetOut,'r--')
    
27. xlabel('Input x');
    
28. ylabel('Output y');
    
29. 
    
30. Center = 8*rand(InDim,UnitNum)-4;      %Data Center
    
31. SP = 0.2*rand(1,UnitNum)+0.1;          %Spread Constant
    
32. W = 0.2*rand(1,UnitNum)-0.1;           %Weigh Matrix
    
33. 
    
34. lrCent = 0.001;                                                        % 隐节点数据中心学习系数
    
35. lrSP = 0.001;                                                        % 隐节点扩展常数学习系数
    
36. lrW = 0.001;                                                        % 隐节点输出权值学习系数
    
37. ErrHistory = [];                            % 用于记录每次参数调整后的训练误差
    
38. for epoch = 1:MaxEpoch
    
39.     AllDist = dist(Center',SamIn);
    
40.     SPMat = repmat(SP',1,SamNum);
    
41.     UnitOut = radbas(AllDist./SPMat);
    
42.     NetOut = W*UnitOut;
    
43.     Error = SamOut-NetOut;
    
44.    
    
45.     %停止学习判断
    
46.     SSE = sumsqr(Error);
    
47. 
    
48.     % 记录每次权值调整后的训练误差
    
49.     ErrHistory = [ErrHistory SSE];
    
50. 
    
51.     if SSE<E0, break, end
    
52.    
    
53.     for i = 1:UnitNum
    
54.         CentGrad = (SamIn-repmat(Center(:,i),1,SamNum))...
    
55.                   *(Error.*UnitOut(i,:)*W(i)/(SP(i)^2))';
    
56.         SPGrad = AllDist(i,:).^2*(Error.*UnitOut(i,:)*W(i)/(SP(i)^3))';
    
57.         WGrad = Error*UnitOut(i,:)';
    
58. 
    
59.         Center(:,i) = Center(:,i) + lrCent*CentGrad;
    
60.         SP(i) = SP(i) + lrSP*SPGrad;
    
61.         W(i) = W(i) + lrW*WGrad;
    
62.     end
    
63. end
    
64. 
    
65. % 测试
    
66. TestDistance = dist(Center',TargetIn);
    
67. TestSpreadsMat = repmat(SP',1,TargetSamNum);
    
68. TestHiddenUnitOut = radbas(TestDistance./TestSpreadsMat);
    
69. TestNNOut = W*TestHiddenUnitOut;
    
70. plot(TargetIn,TestNNOut,'k-');legend('Sample Data','Desired Curve','RBF NN Curve');
    
71. 
    
72. % 绘制学习误差曲线
    
73. figure
    
74. hold on
    
75. grid
    
76. [xx,Num] = size(ErrHistory);
    
77. plot(1:Num,ErrHistory,'k-');

复制代码

[ 本帖最后由 suffer 于 2006-11-20 08:14 编辑 ]

aduktxj

楼主能详细解释一下么？我是新手有点看不懂哦:@Q

civilkf

该程序是魏海坤编著的《神经网络结构设计的理论与方法》（国防工业出版社）一书后附的程序，你可以参考这本书，里面有详细的解释。谢谢楼主分享。

[ 本帖最后由 civilkf 于 2008-7-16 09:01 编辑 ]

xiaoyouran

:handshake :