1、广义RBF P=:.:;
rand('state',pi); %指定状态，产生相同的随机数
T=sin(*P)+rand(,length(P)); % 给正弦函数加噪声
plot(P,T,'o')
% net=newrb(P,T); %广义RBF
net=newrb(P,T,,);
test=:.:;
out=sim(net,test); % 对新的输入值test计算相对应的函数值
figure();%创建一个名为1的新窗口
hold on;plot(test,out,'b-');
legend('输入的数据','拟合的函数');
2、（正则化RBF）
% example7_2.m
tic
P=-:.:;
rand('state',pi);
T=P.^+rand(,length(P)); % 在二次函数中加入噪声
net=newrbe(P,T,); % 建立严格的径向基函数网络（正则化RBF）
test=-:.:;
out=sim(net,test); % 仿真测试
toc
figure();
plot(P,T,'o');
hold on;
plot(test,out,'b-');
legend('输入的数据','拟合的函数');
3、概率神经网络处理分类
