主要内容
径向基础近似
此示例使用NewRB功能创建径向基础网络，该径向基础网络近似于一组数据点定义的函数。
定义21个输入P和相关目标T。
x = -1：.1：1;T = [-.9602 -.5770 -.0729 .3771 .6405 .6600 .4609.......1336 -.2013 -.4344 -.5000 -.3930 -.1647 .0988.......3072 .3960 .3449 .1816 -.0312 -2189 -.3201];绘图（X，T，'+'）;标题（'训练矢量'）;Xlabel（'输入载体p'）;ylabel（'目标矢量t'）;
我们想找到适合21个数据点的功能。这样做的一种方法是用径向基础网络。径向基础网络是具有两层的网络。隐藏的径向基神经元和线性神经元的输出层。这是隐藏层使用的径向基转移函数。
x = -3：.1：3;a = Radbas（x）;plot（x，a）标题（'径向基转移功能'）;Xlabel（'输入p'）;ylabel（'输出A'）;
隐藏层中每个神经元的重量和偏置限定了径向基函数的位置和宽度。每个线性输出神经元形成这些径向基函数的加权和。对于每层的正确重量和偏置值，并且足够的隐藏神经元，径向基网络可以符合任何所需精度的任何功能。这是三个径向基函数的示例（以蓝色为单位）缩放和求和以产生函数（在洋红色中）。
A2 = Radbas（X-1.5）;A3 = Radbas（x + 2）;A4 = A + A2 * 1 + A3 * 0.5;绘图（x，a，'b-'，x，a2，'B--'，x，a3，'B--'，x，a4，'m-'） 标题（'加权总和的径向基转移功能'）;Xlabel（'输入p'）;ylabel（'输出A'）;
函数NewRB快速创建径向基础网络，近似于P和T的函数。除了训练集和目标之外，NewRB还采用了两个参数，Sum-Squared误差目标和扩展常数。
例如= 0.02;％SUMARED错误目标sc = 1;％扩散常数net = newrb（x，t，例如，sc）;
newrb，neurons = 0，mse = 0.176192
要查看网络的执行方式，请更新培训集。然后模拟相同范围内输入的网络响应。最后，在相同的图表上绘制结果。
绘图（X，T，'+'）;Xlabel（'输入'）;x = -1：.01：1;y = net（x）;抓住在;绘图（x，y）;抓住离开;传奇（{'目标'那'输出'}）
您还可以从以下列表中选择一个网站：
