function t=net(p)

%%原始數據的輸入

clc,clear,close all

xingbiebili= [1.03 ? ? ? ? 1.03 ? ? ? ? 1.03 ? ? ? ? 1.03 ? ? ? ? 1.04 ? ? ? ? 1.04 ? ? ? ? 1.04 ? ? ? ? 1.01 ? ? ? ? 1.01 ? ? ? ? 1.00 ? ? ? ? 1.01 ? ? ? ? 1.00 ? ? ? ? 1.01 ? ? ? ? 1.01 ? ? ? ? 1.01 ? ? ? ? 1.00 ? ? ? ? 1.03 ? ? ? ? 1.03 ? ? ? ? 1.03 ? ? ? ? 1.03 ? ? ? ? 1.09 ? ? ? ? 1.09 ? ? ? ? 1.09 ? ? ? ? 1.09 ? ? ? ? 1.09

];

%性別比例

lishi=[904.3? ? ? ? 919.2? ? ? ? 935? ? ? ? 950? ? ? ? 965? ? ? ? 981? ? ? ? 1028? ? ? ? 1047? ? ? ? 1061.00 ? ? ? ? 107500.00%? ? ? ? 1086? ? ? ? 1094? ? ? ? 1102? ? ? ? 1112? ? ? ? 1125? ? ? ? 1251.1? ? ? ? 1259.4? ? ? ? 1240? ? ? ? 1245.6? ? ? ? 1257.2? ? ? ? 1363.6? ? ? ? 1385.1? ? ? ? 1423.2? ? ? ? 1456.4? ? ? ? 1492.7

]

%歷史人口數量

renkoushuliang = [904.3? ? ? ? 919.2? ? ? ? 935? ? ? ? 950? ? ? ? 965? ? ? ? 981? ? ? ? 1028? ? ? ? 1047? ? ? ? 1061? ? ? ? 1075? ? ? ? 1086? ? ? ? 1094? ? ? ? 1102? ? ? ? 1112? ? ? ? 1125? ? ? ? 1251.1? ? ? ? 1259.4? ? ? ? 1240? ? ? ? 1245.6? ? ? ? 1257.2? ? ? ? 1363.6? ? ? ? 1385.1? ? ? ? 1423.2? ? ? ? 1456.4? ? ? ? 1492.7

];

%北京市人口數量 單位：萬人

p = [xingbiebili;chushenglv;siwanglv;ziranzengzhanglv;lishi];? ?%輸入數據矩陣

t = renkoushuliang;? ?? ?? ? %目標矩陣

%%歸一化處理

[pn,minp,maxp,tn,mint,maxt] = premnmx(p,t);??%對pt矩陣進行歸一化處理

dx = [-1,1;-1 1;-1,1;-1 1;-1 1];? ?? ?? ?? ?? ?? ?? ???%

%BP網絡訓練

net = newrb(pn,tn,0,20,5);

%%利用原始數據對BP網絡仿真

an = sim(net,pn);? ?? ?? ?? ?? ?? ???%用訓練好的模型進行仿真

a = postmnmx(an,mint,maxt);? ?? ?? ? %把仿真到的數據還原到原始的數量級

%%對比測試

x =1:25;

newk = a;

figure;

plot(x,newk,'r-o',x,renkoushuliang,'b--+');

legend('網絡輸出人口數量','實際人口數量');

xlabel('年份');

ylabel('人口數量/萬人');

title('模擬結果圖');

%利用訓練好的網絡進行預測

pnew = [1.03 ? ? ? ? 1.04 ? ? ? ? 1.03 ? ? ? ? 1.03 ? ? ? ? 1.04 ? ? ? ? 1.07 ? ? ? ? 1.06 ? ? ? ? 1.07

0.629? ? ? ? 0.622? ? ? ? 0.816? ? ? ? 0.789? ? ? ? 0.766? ? ? ? 0.727? ? ? ? 0.829? ? ? ? 0.905

0.52? ? ? ? 0.494? ? ? ? 0.483? ? ? ? 0.459? ? ? ? 0.433? ? ? ? 0.429? ? ? ? 0.427? ? ? ? 0.431

0.109? ? ? ? 0.128? ? ? ? 0.333? ? ? ? 0.33? ? ? ? 0.333? ? ? ? 0.298? ? ? ? 0.402? ? ? ? 0.474

1492.7? ? ? ? 1538.0? ? ? ? 1601.0? ? ? ? 1676.0? ? ? ? 1771.0? ? ? ? 1860.0? ? ? ? 1961.9? ? ? ? 2018.6

];

pnewn =tramnmx(pnew,minp,maxp);

%利用原始輸入數據的歸一化參數對新參數進行歸一化

anewn =sim(net,pnewn);

%利用歸一化后的數據進行仿真

yucejieguo =postmnmx(anewn,mint,maxt)

%把仿真得到的數據還原原始的數量級

figure

plot(yucejieguo)

參照這個代碼自己改一下就好了，很簡單

總結

以上是生活随笔為你收集整理的怎么查MATLAB中的newrbf,已经有了输入输出数据，如何在matlab中建立RBF神经网络的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。