严格径向基网络RBF网络
tic P=-2:.2:2; rand('state',pi); T=P.^2+rand(1,length(P)); % 在二次函数中加入噪声 net=newrbe(P,T,3); % newrbe(P,T)建立严格的径向基函数网络 3是径向基函数的扩散速度可任选默认1 net=newrb(P,T,0,0.6); 0是指定均放误差,0.6是径向基函数的扩散速度 test=-2:.1:2; out=sim(net,test); % 仿真测试 toc figure(1); plot(P,T,'o'); hold on; plot(test,out,'b-'); legend('输入的数据','拟合的函数');
概率神经网络PNN 处理模式分类
rng('default'); rng(2); a=rand(8,2)*10; % 输入训练样本,8个二维向量 p=ceil(a) tc=[2,1,1,1,2,1,2,1]; % 期望输出 plot(p([1,5,7],1),p([1,5,7],2),'o'); hold on; plot(p([2,3,4,6,8],1),p([2,3,4,6,8],2),'+'); legend('第一类','第二类'); axis([0,8,1,9]) hold off t=ind2vec(tc); %下标变向量/得出稀疏矩阵 net=newpnn(p',t); % 设计PNN网络 y=sim(net,p'); % 仿真 yc=vec2ind(y) % 实际输出等于期望输出