matlab在径向基(rbf)神经网络中,为什么把隐含层输出当做输入p来使用?还是我理解错了？求真相。。。在我看到的有关rbf神经网络编程中有这么一段程序%--------------------------------------------%

Question

matlab 在径向基(rbf)神经网络中,为什么把隐含层输出当做输入p来使用?还是我理解错了？求真相。。。在我看到的有关 rbf 神经网络编程中有这么一段程序 %-------------------------------------------- %隐含层输出R for i=1:1:30 for j=1:1:30 R(i,j)=((x(i,:)-c(j,:)))*((x(i,:)-c(j,:))'); R(i,j)=exp(-R(i,j)./delta(j)); end end p=R; %建模 %r=radbas(p); err_goal=0.001; sc=3; net=newrb(p,tt,err_goal,sc,200,1); %------------------------------------- 为什么用隐含层作为神经网络的输入呢？？ 这样是什么意思？如何解释？上面一段的具体意思是什么。。。。谢谢大家了。。。 下面一段是全部的程序： %RBF预测模型 %标准化后的测试数据集t_data t_data=[0.1 0.68668 0.67143 0.79999 0.79091 0.40004; 0.36667 0.58001 0.1 0.7 0.71818 0.20001; 0.26 0.47334 0.1 0.29997 0.2091 0.80009; 0.36667 0.9 0.9 0.29997 0.13637 0.37504; 0.26 0.84668 0.67143 0.1 0.42727 0.37504; 0.36667 0.58001 0.44286 0.49999 0.1 0.55006; 0.15333 0.47334 0.44286 0.7 0.42727 0.60006; 0.1 0.84668 0.67143 0.29997 0.5 0.1; 0.15333 0.42 0.21429 0.49999 0.5 0.55006; 0.20667 0.79335 0.21429 0.59999 0.5 0.32503; 0.1 0.42 0.21429 0.9 0.5 0.45005; 0.1 0.84668 0.32857 0.59999 0.5 0.27502; 0.20667 0.47334 0.32857 0.29997 0.13637 0.50005; 0.1 0.68668 0.67143 0.49999 0.24546 0.20001; 0.42 0.58001 0.21429 0.9 0.9 0.42504; 0.31334 0.58001 0.44286 0.49999 0.31818 0.25002; 0.15333 0.42 0.1 0.19999 0.35454 0.55006; 0.20667 0.47334 0.32857 0.29997 0.31818 0.27502; 0.15333 0.68668 0.44286 0.29997 0.31818 0.40004; 0.20667 0.20667 0.21429 0.39999 0.28183 0.52506; 0.26 0.79335 0.21429 0.49999 0.57273 0.9; 0.42 0.36667 0.1 0.59999 0.35454 0.30003; 0.47334 0.36667 0.1 0.59999 0.57273 0.35003; 0.1 0.47334 0.67143 0.7 0.42727 0.49894; 0.42 0.58001 0.67143 0.49999 0.24546 0.47505; 0.31334 0.1 0.32857 0.9 0.79091 0.8501; 0.1 0.52667 0.21429 0.9 0.5 0.50005; 0.52667 0.55867 0.21429 0.1 0.28183 0.42504; 0.9 0.58001 0.55715 0.1 0.17273 0.32503; 0.15333 0.68668 0.62572 0.29997 0.2091 0.57506]; %初始化数据 tt=t_data(:,6);x=t_data(:,1:5);tt=tt'; %随机选取中心 c=x; %定义delta平方为样本各点的协方差之和 delta=cov(x'); delta=sum(delta); %隐含层输出R for i=1:1:30 for j=1:1:30 R(i,j)=((x(i,:)-c(j,:)))*((x(i,:)-c(j,:))'); R(i,j)=exp(-R(i,j)./delta(j)); end end p=R; %建模 %r=radbas(p); err_goal=0.001; sc=3; net=newrb(p,tt,err_goal,sc,200,1); %测试 ty=sim(net,p); tE=tt-ty; tSSE=sse(tE); tMSE=mse(tE); %预测(测试）曲线 figure; plot(tt,'-+'); hold on; plot(ty,'r:*'); legend('化验值','预测值'); title('RBF网络模型输出预测曲线'); xlabel('输入样本点'); ylabel('淀粉利用率'); axis([1,30,0,1]);

Answer 1

太专业的问题，完全搞不懂，太深奥了