設(shè)計(jì)一個(gè)RBF神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)如圖所示的兩類模式的分類。

解：
（1）將三角形規(guī)定為第1類模式，圓形規(guī)定為第2類模式，以$(x,y)$代表各模式樣本的位置，形成相應(yīng)的輸入向量，注意，在矩陣中$(x,y)$成列分布，例如$\left[\begin{array}{ccc}{x}_1& x_2& x_3\\ y_1& y_2& y_3\end{array}\right]$

---

（2）創(chuàng)建、訓(xùn)練、存儲(chǔ)、仿真RBF神經(jīng)網(wǎng)絡(luò)。

clear all; clc; p = [0 0 0 1 1 1 -1 -1 -1; 0 1 -1 0 1 -1 0 1 -1]; % 輸入向量 tc = [1 1 2 2 1 1 1 2 1]; t = ind2vec(tc); % 目標(biāo)向量 net = newpnn(p,t,0.7); % 設(shè)計(jì)徑向基函數(shù) save net62 net; % 存儲(chǔ)訓(xùn)練后的網(wǎng)絡(luò) %% % RBF神經(jīng)網(wǎng)絡(luò)仿真 load net62 net; % 加載訓(xùn)練后的網(wǎng)絡(luò) i = [0 0 0 1 1 1 -1 -1 -1; 0 1 -1 0 1 -1 0 1 -1]; % 測(cè)試樣本 r = sim(net,i); rc = vec2ind(r) % 仿真結(jié)果

---

（3）結(jié)果輸出

• $rc=\begin{array}{ccccccccc}1& 1& 2& 2& 1& 1& 1& 2& 1\end{array}$

從仿真結(jié)果可以看出，RBF神經(jīng)網(wǎng)絡(luò)可以很好地完成模式分類。

總結(jié)

以上是生活随笔為你收集整理的RBF神经网络——案例二的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。