Redes RBF no MATLAB 6.1
Aproximação de uma Função Função módulo de seno unitário, f = 1 Hz
Definição dos Padrões de Entrada 10 neurônios: t10 = 0:0.1:0.9; 50 neurônios: t50 = 0:0.02:0.98;
Definição dos Padrões de Saída y10 = abs(sin(2*pi*t10)); y50 = abs(sin(2*pi*t50));
Definição dos Padrões de Teste t10t = 0:0.001:0.9; t50t = 0:0.0002:0.98;
Definição dos Resultados Esperados y10t = abs(sin(2*pi*t10t)); y50t = abs(sin(2*pi*t50t));
Importação dos Dados p/ NNTool
Importação dos Dados p/ NNTool
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
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
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
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
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
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
Testando as Redes RBF
Testando as Redes RBF
Exportando os Dados
Exportando os Dados
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’)
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’)
Implementação em m-file
Otimização da largura das funções