RBF（径向基函数）神经网络

https://blog.csdn.net/guoyunlei/article/details/74529320

1、输入层到隐藏层之间不是通过权值和阈值进行连接的，而是通过输入样本与隐藏层点之间的距离（核枯纳与中心点的距离）连接的。

2、得到距离之后，将距离代入径向基函改没数，得到一个数值。数值再与后边的权值相乘再求总和，就得到了相应输入的输出。

3、在训练网络之前，需要确定中心点的个数，和中心点的位置。以及求出败型隐藏层各径向基函数的方差（宽窄程度）。和隐藏层和输出层之间的权值。

4、中心点个数、中心点位置、方差、权值都可以通过下文所述的方法求出来。

5、径向基函数也是一种基，可以通过对其线性组合，来对非线性函数进行拟合。

6、RBF神经网络只需要了解其中的原理。然后给了训练数据，求出上述几个参数，再输入测试数据，就可以预测输出了。

径向基函数是单变量绝哗携的函并伏数芦简，直接用plot命令即可。画出来的图像应该是个尖顶的对称函数曲线。

plot(x,y)：若y和x为同维向量，则以x为横坐标,y为纵坐标绘制连线图。若x是向量，y是行数或列数与x长度相等的矩阵，则绘制多条不同色彩的连线图，x被作为这些曲线的共同横坐标。若x和y为同型矩阵，则以x,y对应元素分别绘制曲线，曲线条数等于矩阵列数。

例子：

在0≤x≤2π区间内，绘制曲线

y=2e-0.5xcos(4πx)

程序如下：

x=0:pi/100:2*piy=2*exp(-0.5*x).*cos(4*pi*x)

plot(x,y)

---