RBF神经网络的matlab实现

RBF（Radial Basis Function）神经网络是一种基于径向基函数的前馈神经网络。下面是一个更完整的 MATLAB 实现示例：

% 生成示例数据
x = -5:0.1:5;
y = sin(x);

% 训练集和测试集划分
train_x = x(1:2:end);
train_y = y(1:2:end);
test_x = x(2:2:end);
test_y = y(2:2:end);

% 设定 RBF 网络的参数
num_centers = 10;       % RBF 中心数量
spread = 1;             % RBF 函数的扩展参数

% 计算 RBF 中心
centers = linspace(min(train_x), max(train_x), num_centers);

% 计算 RBF 矩阵
rbf_matrix = zeros(length(train_x), num_centers);
for i = 1:length(train_x)
    for j = 1:num_centers
        rbf_matrix(i, j) = exp(-(train_x(i) - centers(j))^2 / (2 * spread^2));
    end
end

% 使用线性回归训练输出权重
output_weights = pinv(rbf_matrix) * train_y';

% 使用训练好的模型进行预测
rbf_test_matrix = zeros(length(test_x), num_centers);
for i = 1:length(test_x)
    for j = 1:num_centers
        rbf_test_matrix(i, j) = exp(-(test_x(i) - centers(j))^2 / (2 * spread^2));
    end
end
predicted_y = rbf_test_matrix * output_weights;

% 绘制结果
figure;
hold on;
plot(train_x, train_y, 'bo', 'MarkerSize', 6);
plot(test_x, test_y, 'ro', 'MarkerSize', 6);
plot(test_x, predicted_y, 'k-', 'LineWidth', 2);
legend('训练数据', '测试数据', '预测结果');
xlabel('输入');
ylabel('输出');

这个示例实现了一个完整的 RBF 神经网络，使用正弦函数生成了一些示例数据进行训练和测试。在计算 RBF 矩阵时，使用了双层循环来计算每个样本与每个中心之间的径向基函数值。你可以根据自己的需要修改数据和参数，并添加其他功能来完善这个实现。