Matlab实现BP神经网络和RBF神经网络（二）

在上一篇博文中：Matlab实现BP神经网络和RBF神经网络（一） 中，我们讨论了BP网络设计部分，下面我们将设计RBF网络并将它们结果与SVM对比。

数据格式不变，详情请看上一篇博文。

RBF神经网络：

RBF网络和BP网络都是非线性多层前向网络，它们都是通用逼近器。对于任一个BP神经网络，总存在一个RBF神经网络可以代替它，反之亦然。但是这两个网络也存在着很多不同点，他们在网络结构、训练算法、网络资源的利用及逼近性能方面均有差异。RBF网络输入层与隐含层直接连接，相当于直接将输入向量输入到隐含层，隐含层的激活函数有几种，最常用的是高斯函数：

σ称为径向基函数的扩展常数，它反应了函数图像的宽度，σ越小，宽度越窄，函数越具有选择性。RBF网络传递函数是以输入向量与中心向量之间的距离|| X-Cj ||作为自变量的，把高斯函数中的r替换为|| X-Cj ||即可。RBF网络需要确定的参数是数据中心C，扩展常数σ和隐含层到输出层的权值。从网上查阅资料说，RBF网络可以根据具体问题确定相应的网络拓扑结构，具有自学习、自组织、自适应功能，它对非线性连续函数具