Разработайте обобщенную нейронную сеть регрессии
net = newgrnn(P,T,spread)
Обобщенные нейронные сети регрессии (grnn s) являются своего рода радиальной базисной сетью, которая часто используется для приближения функций. grnn s может быть разработан очень быстро.
net = newgrnn(P,T,spread) берет три входных параметров,
P |
|
T |
|
spread | Распространение радиальных основных функций (значение по умолчанию = 1.0) |
и возвращает новую обобщенную нейронную сеть регрессии.
Чем больше spread, тем более сглаженный приближение функций. Чтобы соответствовать данным очень тесно, используйте spread, меньший, чем типичное расстояние между входными векторами. Чтобы соответствовать данным более гладко, используйте больший spread.
newgrnn создает сеть 2D слоя. Первый слой имеет нейроны radbas и вычисляет взвешенные входные параметры с dist и сетевой вход с netprod. Второй слой имеет нейроны purelin, вычисляет взвешенный вход с normprod и сетевые входные параметры с netsum. Только первый слой имеет смещения.
newgrnn устанавливает первые веса слоя на P', и первые смещения слоя все установлены в 0.8326/spread, приводящий к радиальным основным функциям, которые пересекаются 0.5 во взвешенных входных параметрах +/– spread. Вторые веса слоя W2 установлены в T.
Здесь вы разрабатываете радиальную базисную сеть, учитывая входные параметры P, и предназначается для T.
P = [1 2 3]; T = [2.0 4.1 5.9]; net = newgrnn(P,T);
Сеть моделируется для нового входа.
P = 1.5; Y = sim(net,P)
Вассерман, P.D., Передовые методы в Нейронном Вычислении, Нью-Йорк, Ван Нострэнде Райнхольде, 1993, стр 155–61