% 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@yahoo.com.cn
% 個人主頁：http://luzhenbo.88uu.com.cn


%clc
clear
close all

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

P1 = 1:2:200;                   % 訓練樣本，每一列為一個樣本
T1 = sin(P1*0.1);               % 訓練目標

P2 = 2:2:200;                   % 測試樣本，每一列為一個樣本
T2 = sin(P2*0.1);               % 測試目標

%---------------------------------------------------
% 歸一化

[PN1,minp,maxp,TN1,mint,maxt] = premnmx(P1,T1);
PN2 = tramnmx(P2,minp,maxp);
TN2 = tramnmx(T2,mint,maxt);

%---------------------------------------------------
% 訓練

switch 2
case 1

% 神經元數是訓練樣本個數
spread = 0.1;                    % 此值越大,覆蓋的函數值就大(默認為1)
net = newrbe(PN1,TN1,spread);

case 2
    
% 神經元數逐步增加,最多就是訓練樣本個數
goal = 1e-10;                   % 訓練誤差的平方和(默認為0)
spread = 0.1;                   % 此值越大,需要的神經元就越少(默認為1)
MN = size(PN1,2);               % 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(PN1,TN1,goal,spread,MN,DF);

case 3
    
spread = 0.1;                   % 此值越大,需要的神經元就越少(默認為1)
net = newgrnn(PN1,TN1,spread);
    
end

%---------------------------------------------------
% 測試

YN1 = sim(net,PN1);             % 訓練樣本實際輸出
YN2 = sim(net,PN2);             % 測試樣本實際輸出

MSE1 = mean((TN1-YN1).^2)       % 訓練均方誤差
MSE2 = mean((TN2-YN2).^2)       % 測試均方誤差

%---------------------------------------------------
% 反歸一化

Y2 = postmnmx(YN2,mint,maxt);

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

plot(1:length(T2),T2,'r+:',1:length(Y2),Y2,'bo:')
title('+為真實值，o為預測值')