使用RBF神经网络实现函数逼近
神经网络 实现 函数 使用 逼近 RBF
2023-09-11 14:20:52 时间
python实现的RBF神经网络见:基于tensorflow的RBF神经网络案例
1 一元函数逼近
1.1 待逼近的函数
1.2代码
%%%%%%%%%%一元函数逼近%%%%%%%%%%
clear,clc;
x=linspace(-20,20,100); %神经网络输入值
t=10*x-30*sin(x)-80*tansig(x); %神经网络目标值
plot(x,t,'+'); %待逼近的函数图像
hold on
net=newrb(x,t,1,2); %平方和误差小于1
y=net(x);%神经网络输出值
plot(x,y,'g'); %仿真的函数图像
title('RBF神经网络函数逼近');
xlabel('输入值');
ylabel('目标值/输出值');
mse(y,t) %平方和误差
1.3运行结果
MSE=0.9157
2 二元函数逼近
2.1待逼近的函数
2.2代码
%%%%%%%%%%二元函数逼近%%%%%%%%%%
clear,clc
t=0:0.1:10*pi; %辅助参数
x=(t+0.5*pi).*sin(t+0.5*pi); %神经网络输入值(指标1)
y=(t+0.5*pi).*cos(t+0.5*pi); %神经网络输入值(指标2)
z=1.5*t; %神经网络目标值
net=newrb([x;y],z,0.001,2); %平方和误差小于0.001
zf=net([x;y]);%神经网络输出值
plot3(x,y,zf,'r'); %仿真的函数图像
hold on
plot3(x,y,z,'+'); %待逼近的函数图像
title('RBF神经网络函数逼近');
xlabel('输入值(指标1)');
ylabel('输入值(指标2)');
zlabel('目标值/输出值');
grid on
mse(zf,z) %平方和误差
2.3运行结果
MSE=9.5196e-04
相关文章
- DL之DNN:基于自定义数据集(numpy定义)利用浅层DNN(numpy定义3层前向神经网络/sigmoid函数)代码实现—探究BP神经网络底层思想
- MAT之GUI:GUI的方式创建/训练/仿真/预测神经网络
- CV:计算机视觉技术之图像基础知识(二)—以python的skimage和numpy库来了解计算机视觉图像基础(图像存储原理-模糊核-锐化核-边缘检测核,进阶卷积神经网络(CNN)的必备基础)
- 基于BP神经网络的轨迹跟踪(Matlab代码实现)
- 基于径向基函数 (RBF) 神经网络的麦基格拉斯时间序列预测(Matlab代码实现)
- 基于 K 均值聚类的径向基RBF神经网络优化(Matlab代码实现)
- 【回归预测-BP预测】基于思维进化算法优化BP神经网络在非线性函数拟合中的应用(Matlab代码实现)
- (Matlab实现)CNN卷积神经网络图片分类
- 基于LSTM神经网络的负荷预测(Python代码实现)
- 【读一本书】《昇腾AI处理器架构与编程》--神经网络基本知识学习(1)
- m基于GRNN广义回归神经网络和HOG特征提取的人体姿态检测识别matlab仿真,样本集为TOF深度图
- m基于神经网络的气候预测matlab仿真,气候数据采用的BoM气候数据,神经网络为matlab编程实现不使用工具箱函数
- 基于BP神经网络的数字识别系统仿真,带GUI界面
- m使用FPGA实现基于BP神经网络的英文字母识别,开发平台为vivado2019.2,verilog编程,附带matlab辅助验证
- 神经网络中 warmup 策略为什么有效?
- Python实现哈里斯鹰优化算法(HHO)优化卷积神经网络分类模型(CNN分类算法)项目实战
- Python实现GWO智能灰狼优化算法优化循环神经网络分类模型(LSTM分类算法)项目实战
- 利用torch.nn实现前馈神经网络解决 多分类 任务使用至少三种不同的激活函数
- 水很深的深度学习(四): 卷积神经网络CNN
- 【深度学习与计算机视觉】11、循环神经网络
- 【车间调度】基于卷积神经网络的柔性作业车间调度问题的两阶段算法(Matlab代码实现)
- 机器学习知识经验分享之一:卷积神经网络介绍
- pyspark 多层神经网络