% RBF 神經網絡用于函數擬合　
% 使用平臺 - Matlab6.5
% 作者：陸振波，海軍工程大學
% 歡迎同行來信交流與合作，更多文章與程序下載請訪問我的個人主頁
% 電子郵件：luzhenbo@sina.com
% 個人主頁：luzhenbo.88uu.com.cn

%clc
clear
close all

%---------------------------------------------------
% 產生訓練樣本與測試樣本

n1 = 1:2:200;
x1 = sin(n1*0.1);

n2 = 2:2:200;
x2 = sin(n2*0.1);

xn_train = n1;          % 訓練樣本，每一列為一個樣本
dn_train = x1;          % 訓練目標，行向量

xn_test = n2;           % 測試樣本，每一列為一個樣本
dn_test = x2;           % 測試目標，行向量

%---------------------------------------------------
% 訓練與測試

switch 1
case 1
        
% 神經元數是訓練樣本個數
P = xn_train;
T = dn_train;
spread = 40;                % 此值越大,覆蓋的函數值就大(默認為1)
net = newrbe(P,T,spread);

case 2
    
% 神經元數逐步增加,最多就是訓練樣本個數
P = xn_train;
T = dn_train;
goal = 1e-12;               % 訓練誤差的平方和(默認為0)
spread = 40;                % 此值越大,需要的神經元就越少(默認為1)
MN = size(xn_train,2);      % 最大神經元數(默認為訓練樣本個數)
DF = 1;                     % 顯示間隔(默認為25)
net = newrb(P,T,goal,spread,MN,DF);

case 3
    
P = xn_train;
T = dn_train;
spread = 0.5;                % 此值越大,需要的神經元就越少(默認為1)
net = newgrnn(P,T,spread);
    
end

err1 = sum((dn_train-sim(net,xn_train)).^2)     % 訓練誤差的平方和

X = sim(net,xn_test);                           % 測試 - 輸出為預測值
err2 = sum((dn_test-X).^2)                      % 訓練誤差的平方和

%---------------------------------------------------
% 結果作圖

plot(1:length(n2),x2,'r+:',1:length(n2),X,'bo:')
title('+為真實值，o為預測值')