RBF网络的回归-非线性函数回归的实现
本例用RBF网络拟合未知，预先设定一个非线性函数·如式（7一1）所示，假定函数解析式不清楚的情况下，随机产生x1x2，和由这两个变置按式得出的y，将x1，x2作为RBF网络的输入数据．将y作为RBF网络的输出数据，分别建立近似和精确RBF网络进行回归分析，并评价网络拟合效果。 y=20+x1^2-10cos(2Πx1)+x2^2-10cos(2Πx2)在使用精确（exact）径向基网络来实现非线性函数的回归例子中，共产生了301个样本，全部作为网络的训练样本，使用图形可视化来观察拟合效果。
在使用近似（apprximate）径向基网络对同一函数进行拟合的例了中，共产生了400个训练数据和961个验证数据，使用400的个训练数据训练RBF网络后，使用训练好的网络来预测961个验证数据的结果，并通过可视化的方法观察RBF神经网络的拟合效果。
使用ecxact释向基网络来实现菲线性的函数回归〈chapter7_1.m，代码如下
下面用approximatcRBF网络对同一函数进行拟合〈、hapter7_2.m）。
页:
[1]