5.4-基于MATLAB的RBF网络应用实例-数据拟合

廉小亲

北京工商大学计算机与人工智能学院

神经网络理论及应用：基于MATLAB的

RBF网络应用实例——数据拟合基于MATLAB的RBF网络应用实例—数据拟合2026/10/11BTBU-CIE2（1）数据准备21个输入输出对，需要建立RBF网络对其进行拟合。数据点（X，T）如下：X=-1:.1:1;T=[-.9602-.5770-.0729.3771.6405.6600.4609....1336-.2013-.4344-.5000-.3930-.1647.0988....3072.3960.3449.1816-.0312-.2189-.3201];figure(1)plot(X,T,'+');title('TrainingVectors');xlabel('InputVectorP');ylabel('TargetVectorT');holdon;问题描述：假设有21个输入输出对，需要建立RBF网络对其进行拟合。网络设计过程如下：训练数据分布2026/10/11BTBU-CIE3（3）径向基函数选择3个隐层节点的径向基函数a1、a2、a3都选择高斯函数，径向基函数a1的数据中心为0。x=-3:.1:3;a1=radbas(x);figure(2)plot(x,a1)title('RadialBasisTransferFunction');xlabel('Inputx');ylabel('Outputa1');基于MATLAB的RBF网络应用实例—数据拟合（2）RBF网络结构设计输入节点是1、输出节点是1，隐层节点假定为3。径向基函数a12026/10/11BTBU-CIE4（4）径向基函数加权求和

下面观察多个径向基函数a1,a2,a3加权求和成a4的效果，可以看出，如果选择合适径向基函数宽度以及加权系数等，可以形成新的曲线以拟合样本数据。a2=radbas(x-1.5);a3=radbas(x+2);a4=a1+a2*1+a3*0.5;plot(x,a1,'b-',x,a2,'b--',x,a3,'b--',x,a4,'m-')title('WeightedSumofRadialBasisTransferFunctions');xlabel('Inputx');ylabel('Outputa4');legend('a1','a2','a3','a4')基于MATLAB的RBF网络应用实例—数据拟合径向基函数加权求和的效果2026/10/11BTBU-CIE5

RBF网络实现的另一种方法-利用MATLAB的newrb函数

下面对同一问题对比不同径向基函数宽度对曲线拟合的影响。忽略（2）和（3），将以下程序放在（1）程序处，可以得到拟合结果。eg=0.02;sc1=0.01;net=newrb(X,T,eg,sc1);Y1=net(X);sc2=100;net=newrb(X,T,eg,sc2);Y2=net(X);sc3=1;net=newrb(X,T,eg,sc3);Y3=net(X);plot(X,Y1,'r-',X,Y2,'k--',X,Y3,'b-.’);legend('sample','sc=0.1','sc=100','sc=1’)holdoff;基于MATLAB的RBF网络应用实例—数据拟合2026/10/11BTBU-CIE6本节介绍了利用MATLAB进行RBF网络设计，实现数据拟合的案例。有助于大家对RBF网络