应《网络安全法》要求，自2017年10月1日起，未进行实名认证将不得使用互联网跟帖服务。为保障您的帐号能够正常使用，请尽快对帐号进行手机号验证，感谢您的理解与支持！

24小时热门版块排行榜    

Znn3bq.jpeg
小木虫论坛-学术科研互动平台 » 计算模拟区 » 程序语言 » 其它 » RBF神经网络，训练完成后，预测结果误差太大了，怎么回事呢？？？
北京石油化工学院2026年研究生招生接收调剂公告
121/2返回列表12下一页
查看: 4585  |  回复: 11
只看楼主 @他人 存档 新回复提醒 (忽略) 收藏    在APP中查看

箬茶

木虫 (职业作家)

茶坊主の等等……

[求助] RBF神经网络，训练完成后，预测结果误差太大了，怎么回事呢？？？

初学RBF，下面的程序训练没问题，但是预测结果就差很远了，希望专家解答，谢谢~~蓝色字体是存在一些疑问，希望有人能回答一下

代码如下：
%RBF法建模
%标准化的建模数据集
clear all
clear
clc
data=[0.26667 0.47647 0.35 0.30741 0.39565 0.9;
0.2        0.75882        0.35 0.27778 0.53479 0.46001;
0.2        0.52353        0.4        0.33704        0.32609        0.48001;
0.66667        0.52353        0.29999        0.21852        0.27391        0.50001;
0.26667        0.75882        0.6        0.33704        0.32609        0.44001;
0.16667        0.57059        0.29999        0.27778        0.3087 0.46001;
0.2        0.71176        0.4        0.36667        0.44783        0.48001;
0.23333        0.71176        0.5        0.30741        0.15218        0.34001;
0.16667        0.42941        0.5        0.24815        0.5        0.48001;
0.13333        0.57059        0.5        0.3963        0.41305        0.48001;
0.16667        0.75882        0.5        0.21852        0.3087 0.52001;
0.16667        0.71176        0.4        0.27778        0.48261        0.44001;
0.23333        0.75882        0.5        0.33704        0.3087 0.48001;
0.13333        0.75882        0.5        0.33704        0.23913        0.42001;
0.16667        0.75882        0.2        0.18889        0.13478        0.1;
0.13333        0.71176        0.35 0.27778 0.32609 0.14;
0.2        0.24119        0.35 0.24815 0.3087        0.88001;
0.70001        0.47647        0.25 0.33704 0.20435 0.38001;
0.4        0.52353        0.2        0.15927        0.23913        0.34001;
0.26667        0.47647        0.35 0.12963 0.16957 0.36;
0.16667        0.6647        0.35 0.27778 0.27391 0.40001;
0.3        0.61764        0.55 0.24815 0.25652 0.62001;
0.13333        0.75882        0.6        0.30741        0.20435        0.62001;
0.3        0.71176        0.55 0.18889 0.20435 0.70001;
0.13333        0.57059        0.5        0.30741        0.29131        0.72001;
0.16667        0.80588        0.5        0.21852        0.23913        0.60001;
0.1        0.61764        0.6        0.21852        0.16957        0.62001;
0.23333        0.61764        0.5        0.3963 0.3087 0.70001;
0.2        0.80588        0.45 0.18889 0.1 0.48001;
0.23333        0.6647 0.45        0.1        0.11739        0.54001;
0.2        0.52353        0.29999        0.30741        0.16957        0.50001;
0.16667        0.71176        0.6        0.24815        0.23913        0.70001;
0.1        0.85293        0.6        0.12963        0.16957        0.52001;
0.3        0.61764        0.5        0.21852        0.13478        0.64001;
0.13333        0.61764        0.4        0.27778        0.23913        0.62001;
0.16667        0.80588        0.6        0.3963 0.23913 0.36;
0.23333        0.75882        0.75 0.30741 0.1 0.66001;
0.13333        0.9        0.6        0.27778        0.20435        0.44001;
0.16667        0.61764        0.29999        0.27778        0.32609        0.60001;
0.16667        0.71176        0.6        0.27778        0.27391        0.52001;
0.1        0.85293        0.45 0.1 0.23913 0.54001;
0.1        0.71176        0.69999        0.27778        0.43044        0.76001;
0.1        0.38236        0.6        0.30741        0.32609        0.64001;
0.1        0.75882        0.6        0.33704        0.25652        0.46001;
0.73333        0.71176        0.25 0.45556 0.5 0.50001;
0.56667        0.61764        0.35 0.33704 0.34348 0.74;
0.13333        0.6647 0.75        0.75186        0.69131        0.56001;
0.83334        0.61764        0.25 0.60371 0.44783 0.38001;
0.9        0.33529        0.2        0.3963 0.3087 0.54001;
0.4        0.61764        0.5        0.3963 0.44783 0.48001;
0.1        0.57059        0.4        0.57408        0.7261 0.88001;
0.16667        0.61764        0.35 0.27778 0.34348 0.38001;
0.1        0.47647        0.35 0.75186 0.83045 0.62001;
0.2        0.47647        0.35 0.81111 0.83045 0.70001;
0.1        0.33529        0.6        0.9        0.9        0.50001;
0.13333        0.24119        0.4        0.81111        0.86522        0.58356;
0.4        0.80588        0.6        0.48519        0.55218        0.42001;
0.5        0.42941        0.45 0.57408 0.37826 0.56001;
0.16667        0.28824        0.25 0.75186 0.79567 0.54001;
0.23333        0.33529        0.4        0.84075        0.65653        0.68001;
0.13333        0.57059        0.6        0.57408        0.67392        0.46001;
0.5        0.57059        0.5        0.51482        0.55218        0.44001;
0.1        0.6647 0.69999 0.57408 0.65653 0.88001;
0.3        0.75882        0.75 0.21852 0.37826 0.70001;
0.23333        0.57059        0.6        0.3963 0.41305 0.48001;
0.59999        0.80588        0.45 0.24815 0.25652 0.42001;
0.70001        0.28824        0.65 0.63334 0.58696 0.60001;
0.4        0.61764        0.4        0.33704        0.34348        0.34001;
0.46666        0.1        0.5        0.63334        0.65653        0.54001;
0.23333        0.33529        0.25 0.84075 0.7261        0.50001;
0.2        0.47647        0.1        0.27778        0.3087 0.42001;
0.36667        0.52353        0.5        0.51482        0.83045        0.62001;
0.4        0.47647        0.45 0.33704 0.32609 0.50001;
0.33333        0.33529        0.4        0.63334        0.7261 0.46001;
0.23333        0.24119        0.55 0.63334 0.7261        0.53778;
0.13333        0.24119        0.45 0.33704 0.3087        0.76001;
0.33333        0.47647        0.45 0.42593 0.41305 0.70001;
0.5        0.1        0.35 0.3963        0.48261        0.70001;
0.46666        0.52353        0.4        0.63334        0.86522        0.52001;
0.26667        0.33529        0.25 0.69259 0.83045 0.68001;
0.26667        0.71176        0.6        0.42593        0.55218        0.34001;
0.4        0.42941        0.5        0.45556        0.43044        0.52001;
0.23333        0.47647        0.6        0.54445        0.62175        0.52001;
0.36667        0.47647        0.4        0.69259        0.69131        0.52001;
0.26667        0.61764        0.29999        0.63334        0.81306        0.44001;
0.1        0.33529        0.65 0.3963        0.23913        0.44001;
0.13333        0.57059        0.6        0.51482        0.55218        0.38001;
0.2        0.33529        0.55 0.45556 0.55218 0.52001;
0.33333        0.24119        0.29999        0.57408        0.83045        0.64001;
0.16667        0.42941        0.5        0.45556        0.76088        0.58001;
0.13333        0.71176        0.65 0.45556 0.37826 0.22001;
0.1        0.71176        0.6        0.63334        0.69131        0.28001;
0.2        0.52353        0.9        0.36667        0.48261        0.36446;
0.16667        0.71176        0.8        0.36667        0.32609        0.42001;
0.13333        0.42941        0.55 0.51482 0.48261 0.58001;
0.4        0.47647        0.5        0.30741        0.37826        0.48001;
0.8        0.52353        0.4        0.30741        0.34348        0.48001;
0.1        0.6647 0.69999 0.51482 0.5 0.38001;
0.16667        0.6647 0.55        0.45556        0.32609        0.34001;
0.23333        0.61764        0.65 0.51482 0.41305 0.2
0.3        0.71176        0.5        0.33704        0.5174 0.70001;
0.13333        0.57059        0.5        0.33704        0.44783        0.60001;
0.3        0.80588        0.69999        0.54445        0.5174 0.50001;
0.13333        0.75882        0.65 0.3963        0.37826        0.28001;
0.16667        0.71176        0.65 0.57408 0.5 0.70001;
0.16667        0.75882        0.6        0.45556        0.62175        0.44001;
0.26667        0.61764        0.65 0.3963        0.34348        0.74;
0.36667        0.57059        0.5        0.30741        0.39565        0.62001;
0.16667        0.57059        0.65 0.3963        0.29131        0.62001;
0.2        0.52353        0.5        0.48519        0.39565        0.44001;
0.4        0.52353        0.45 0.33704 0.34348 0.56001;
0.13333        0.52353        0.5        0.33704        0.29131        0.52001;
0.26667        0.42941        0.5        0.75186        0.65653        0.76001;
0.13333        0.24119        0.5        0.54445        0.58696        0.64001;
0.13333        0.14707        0.1        0.51482        0.5174 0.58001;
0.2        0.24119        0.29999        0.60371        0.62175        0.74;
0.26667        0.42941        0.25 0.57408 0.65653 0.60001;
0.56667        0.19412        0.4        0.78148        0.69131        0.70001;
0.4        0.57059        0.25 0.60371 0.58696 0.50001;
0.33333        0.47647        0.25 0.48519 0.65653 0.72001;
0.4        0.38236        0.29999        0.42593        0.23913        0.58001;
0.13333        0.61764        0.65 0.57408 0.55218 0.70001;
0.23333        0.42941        0.69999        0.63334        0.48261        0.62001];

%训练数据
p=data(1:100,1:5);
t=data(1:100,6);

p=p';
t=t';

%测试数据
p_test=data(101:123,1:5);
t_test=data(101:123,6);

p_test=p_test';
t_test=t_test';

%—————————初始化———————————————
[~,Q]=size(p);
SamNum =Q; % 总样本数
InDim = 1; % 样本输入维数，输入维数设置有什么要求吗？
ClusterNum = 5; % 隐节点数，即聚类样本数
Overlap = 1; % 隐节点重叠系数

%选择初始聚类中心
Centers = p(:,1:ClusterNum);

NumberInClusters = zeros(ClusterNum,1); % 各类中的样本数，初始化为零
IndexInClusters = zeros(ClusterNum,SamNum); % 各类所含样本的索引号
while 1,
NumberInClusters = zeros(ClusterNum,1); % 各类中的样本数，初始化为零
IndexInClusters = zeros(ClusterNum,SamNum); % 各类所含样本的索引号

% 按最小距离原则对所有样本进行分类
for i = 1:SamNum
   
%计算所有样本输入与聚类中心的距离
AllDistance = dist(Centers',p(:,i));

%按对小距离原则对样本进行分类
[~,Pos] = min(AllDistance);
NumberInClusters(Pos) = NumberInClusters(Pos) + 1;
IndexInClusters(Pos,NumberInClusters(Pos)) = i;
end

% 保存旧的聚类中心
OldCenters = Centers;

%重新计算各类新的聚类中心
for i = 1:ClusterNum
Index = IndexInClusters(i,1:NumberInClusters(i));
Centers(:,i) = mean(p(:,Index)')';
end

% 判断新旧聚类中心是否一致，是则结束聚类
EqualNum = sum(sum(Centers==OldCenters));
if EqualNum == InDim*ClusterNum,
break,
end
end

% 根据各聚类中心之间的距离确定各隐节点的扩展常数（宽度）
AllDistances = dist(Centers',Centers); % 计算隐节点数据中心间的距离（矩阵）
Maximum = max(max(AllDistances)); % 找出其中最大的一个距离
for i = 1:ClusterNum % 将对角线上的0 替换为较大的值
AllDistances(i,i) = Maximum+1;
end
spread = Overlap*min(min(AllDistances)') % 以隐节点间的最小距离作为扩展常数
%spread = Overlap*min(AllDistances)' % 以隐节点间的最小距离作为扩展常数
%spread有问题
%使用min(min())，不用双min的话，spread是一个矩阵，不是一个数字，怎么解决？？？%---------------------------------------------------
% 训练与测试
net = newrbe(p,t,spread);

a = sim(net,p)                           % 测试 - 输出为预测值
err1 = sum((t-a).^2)                     % 训练误差的平方和
%---------------------------------------------------
% 结果作图
%subplot(1,2,1);
figure(1)
plot(t,'r+:')
hold on
plot(a,'bo:')
title('+为真实值，o为预测值')
title('RBF网络拟合曲线图--训练');
legend('实际值','估计值');
ylabel('样本输出');
xlabel('输入样本点');
axis([1,105,0,1]);

b=sim(net,p_test)
err2=sum((t_test-b).^2)    % 训练误差的平方和
%subplot(1,2,2);
figure(2)
plot(t_test,'r+:')
hold on
plot(b,'bo:')
title('+为真实值，o为预测值')
title('RBF网络拟合曲线图--测试');
legend('实际值','估计值');
ylabel('样本输出');
xlabel('输入样本点');
axis([0,25,-20,5]);


结果截图：
训练图


测试结果图：


[ Last edited by 箬茶 on 2012-11-22 at 16:26 ]
回复此楼

» 猜你喜欢

» 本主题相关价值贴推荐，对您同样有帮助:
左眼微笑♡♡♡……//就算你什么都没有了，至少还有自己…………
1楼 2012-11-20 21:34:50
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
回帖支持 ( 显示支持度最高的前 50 名 )

箬茶

木虫 (职业作家)

茶坊主の等等……
有没有人解答一下呢？？？？？？？？
赞一下(1人) 回复此楼
左眼微笑♡♡♡……//就算你什么都没有了，至少还有自己…………
2楼2012-11-23 15:25:15
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

rockhq

铜虫 (初入文坛)

【答案】应助回帖

数据应该要归一化处理，同时应该选择算法。
赞一下(1人) 回复此楼
3楼2012-11-25 16:31:39
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

箬茶

木虫 (职业作家)

茶坊主の等等……
引用回帖:
4楼: Originally posted by rockhq at 2012-11-25 16:32:53
增大隐节点数，再试一试。

5个输入节点的话，隐节点数最多就是5个吧，再多了就会出错，你上面说的选择什么算法啊？

我还想问下，这里用matlab自带工具箱newrbe（），不需要修改net=network（）里面的参数吗？？我看network里面第一个参数输入节点数是1啊
赞一下(1人) 回复此楼
左眼微笑♡♡♡……//就算你什么都没有了，至少还有自己…………
5楼2012-11-25 17:10:23
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
普通回帖

rockhq

铜虫 (初入文坛)

【答案】应助回帖

增大隐节点数，再试一试。
赞一下 回复此楼
4楼2012-11-25 16:32:53
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

箬茶

木虫 (职业作家)

茶坊主の等等……
引用回帖:
4楼: Originally posted by rockhq at 2012-11-25 16:32:53
增大隐节点数，再试一试。

我看了一下，测试误差很大是因为前面K均值聚类法得到的spread值太大了，导致预测误差很大，这是怎么回事呢？？谢谢你解答一下啊
赞一下 回复此楼
左眼微笑♡♡♡……//就算你什么都没有了，至少还有自己…………
6楼2012-11-25 17:13:01
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

箬茶

木虫 (职业作家)

茶坊主の等等……
引用回帖:
3楼: Originally posted by rockhq at 2012-11-25 16:31:39
数据应该要归一化处理，同时应该选择算法。

关于异常数据的标准，实际中常使用的一种标准是：与平均值的偏差大于3倍标准差。Data=data(abs(data-mean(data))<=3*std(data))。这样的结果是多行一列的数据了，而我的矩阵应该是多行多列的，怎么用这种方法删除我这个矩阵中的异常数组呢？？
赞一下 回复此楼
左眼微笑♡♡♡……//就算你什么都没有了，至少还有自己…………
7楼2012-11-27 16:57:34
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

yeyu370784

新虫 (初入文坛)

【答案】应助回帖

你好  我也在看RBF的知识，也是初学者，我可以问你问题吗？qq：977325947
赞一下 回复此楼
8楼2013-03-02 11:33:22
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

feierpuyu

铁虫 (初入文坛)

【答案】应助回帖

个人认为三个方面：
1.输入输出数据是否归一化处理；
2.用于测试的数据的每一维是否是你训练数据的相应维数据范围内，如果测试数据处于训练数据边缘，也可能会突变；
3.过渡训练，精度过高，泛华能力变差。好像是应该相应的减少点隐层节点数吧。如果你用的是matlab工具箱，好像不能设置隐层节点数。
个人意见，可以交流啊，呵呵
赞一下 回复此楼
9楼2013-05-03 17:44:17
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

地下党29

木虫 (著名写手)

【答案】应助回帖

觉得可以试一下增大神经元数，5个神经元对于你的数据量来说会有点少。
赞一下 回复此楼
10楼2013-05-07 11:19:59
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
相关版块跳转 我要订阅楼主 箬茶 的主题更新
121/2返回列表12下一页
普通表情 龙 兔 虎 猫
最具人气热帖推荐 [查看全部] 作者 回/看 最后发表
[考研] 307求调剂 +13 超级伊昂大王 2026-04-06 13/650 2026-04-08 01:19 by 1018329917
[考研] 调剂 +16 不逢春 2026-04-07 17/850 2026-04-08 00:22 by T可可西里T
[考研] 353求调剂 +4 晴空万里air 2026-04-07 4/200 2026-04-07 23:24 by JourneyLucky
[考研] 323求调剂 +3 林zlu 2026-04-07 4/200 2026-04-07 23:21 by lbsjt
[考研] 计算机11408 287 求调剂 +3 LiLe5 2026-04-07 3/150 2026-04-07 23:15 by shanqishi
[考研] 化学308分求调剂 +14 你好明天你好 2026-04-07 16/800 2026-04-07 23:09 by JourneyLucky
[考研] 调剂 +18 不逢春 2026-04-05 19/950 2026-04-07 22:04 by lijunpoly
[考研] 336材料与化工085600求调剂 +19 水星记infp 2026-04-05 22/1100 2026-04-07 21:11 by yongzhesheng
[考研] 290求调剂085701 +15 1314捧花 2026-04-02 16/800 2026-04-07 18:15 by 蓝云思雨
[考研] 26自然地理学303分求调剂 +4 一战成硕啊啊啊� 2026-04-06 9/450 2026-04-06 20:35 by lin-da
[考研] 281求调剂 +8 椰子蘑菇 2026-04-06 8/400 2026-04-06 10:38 by 蓝云思雨
[考研] 319求调剂 +3 handrui 2026-04-05 3/150 2026-04-06 09:33 by jp9609
[考研] 0703求调剂383分 +9 W55j 2026-04-03 9/450 2026-04-06 06:50 by houyaoxu
[考研] 085600，320分求调剂 +7 大馋小子 2026-04-01 8/400 2026-04-05 21:19 by 学员8dgXkO
[考研] 348求调剂 +3 车厘子zzz 2026-04-05 3/150 2026-04-05 20:30 by 啵啵啵0119
[考研] 296求调剂 +3 汪！？！ 2026-04-05 5/250 2026-04-05 17:38 by 蓝云思雨
[考研] 材料调剂 +15 一样YWY 2026-04-01 15/750 2026-04-04 22:23 by hemengdong
[考研] 282电子信息0854专硕调剂 +4 202451007219 2026-04-02 6/300 2026-04-04 21:55 by laoshidan
[考研] 321求调剂 +13 认真求上学 2026-04-02 13/650 2026-04-04 18:23 by macy2011
[考研] 08生物与医药专硕初试346找调剂 +6 dianeeee 2026-04-01 7/350 2026-04-02 08:23 by guoweigw
信息提示
关闭
请填处理意见
关闭