Redes RBF no MATLAB 6.1.

Apresentação em tema: "Redes RBF no MATLAB 6.1."— Transcrição da apresentação:

1 Redes RBF no MATLAB 6.1

2 Aproximação de uma Função
Função módulo de seno unitário, f = 1 Hz

3 Definição dos Padrões de Entrada
10 neurônios: t10 = 0:0.1:0.9; 50 neurônios: t50 = 0:0.02:0.98;

4 Definição dos Padrões de Saída
y10 = abs(sin(2*pi*t10)); y50 = abs(sin(2*pi*t50));

5 Definição dos Padrões de Teste
t10t = 0:0.001:0.9; t50t = 0:0.0002:0.98;

6 Definição dos Resultados Esperados
y10t = abs(sin(2*pi*t10t)); y50t = abs(sin(2*pi*t50t));

7 Importação dos Dados p/ NNTool

8 Importação dos Dados p/ NNTool

9 Definição das Redes Network name: network1
Tipo: Radial basis (exact fit) Input data: Set to input (t10) Target data: Set to target (y10) Spread Constant: 0.01

10 Definição das Redes Network name: network2
Tipo: Radial basis (exact fit) Input data: Set to input (t10) Target data: Set to target (y10) Spread Constant: 1.0

11 Definição das Redes Network name: network3
Tipo: Radial basis (exact fit) Input data: Set to input (t10) Target data: Set to target (y10) Spread Constant: 100.0

12 Definição das Redes Network name: network4
Tipo: Radial basis (exact fit) Input data: Set to input (t50) Target data: Set to target (y50) Spread Constant: 0.01

13 Definição das Redes Network name: network5
Tipo: Radial basis (exact fit) Input data: Set to input (t50) Target data: Set to target (y50) Spread Constant: 1.0

14 Definição das Redes Network name: network6
Tipo: Radial basis (exact fit) Input data: Set to input (t50) Target data: Set to target (y50) Spread Constant: 100.0

15 Testando as Redes RBF

16 Testando as Redes RBF

17 Exportando os Dados

18 Exportando os Dados

19 Visualizando os Resultados
Redes com 10 neurônios >> figure >> plot(t10t, y10t, ’k’) >> hold on >> plot(t10t, s1, ’r’) >> plot(t10t, s2, ’b’) >> plot(t10t, s3, ’m’)

20 Visualizando os Resultados
Redes com 50 neurônios >> figure >> plot(t50t, y50t, ’k’) >> hold on >> plot(t50t, s4, ’r’) >> plot(t50t, s5, ’b’) >> plot(t50t, s6, ’m’)

21 Implementação em m-file

22 Otimização da largura das funções