設計一個RBF神經網絡，實現如圖所示的兩類模式的分類。

解：
（1）將三角形規定為第1類模式，圓形規定為第2類模式，以$(x,y)$代表各模式樣本的位置，形成相應的輸入向量，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）創建、訓練、存儲、仿真RBF神經網絡。

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); % 目標向量 net = newpnn(p,t,0.7); % 設計徑向基函數 save net62 net; % 存儲訓練后的網絡 %% % RBF神經網絡仿真 load net62 net; % 加載訓練后的網絡 i = [0 0 0 1 1 1 -1 -1 -1; 0 1 -1 0 1 -1 0 1 -1]; % 測試樣本 r = sim(net,i); rc = vec2ind(r) % 仿真結果

---

（3）結果輸出

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

從仿真結果可以看出，RBF神經網絡可以很好地完成模式分類。

總結

以上是生活随笔為你收集整理的RBF神经网络——案例二的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。