RBF网络的回归方法怎么用

 %% 清空环境变量

clc

clear

%% 产生输入 输出数据 

% 设置步长 

interval=0.01;

% 产生x1 x2

x1=-1.5:interval:1.5;

x2=-1.5:interval:1.5;

% 按照函数先求得相应的函数值，作为网络的输出。

F =20+x1.^2-10*cos(2*pi*x1)+x2.^2-10*cos(2*pi*x2); 

%% 网络建立和训练

% 网络建立 输入为[x1;x2],输出为F。Spread使用默认。

net=newrbe([x1;x2],F)

%% 网络的效果验证

% 我们将原数据回带，测试网络效果：

ty=sim(net,[x1;x2]);

% 我们使用图像来看网络对非线性函数的拟合效果

figure

plot3(x1,x2,F,'rd');

hold on;

plot3(x1,x2,ty,'b-.');

view(113,36)

title('可视化的方法观察准确RBF神经网络的拟合效果')

xlabel('x1')

ylabel('x2')

zlabel('F')

grid on