Разработайте точную радиальную базисную сеть
net = newrbe(P,T,spread)
Радиальные базисные сети могут использоваться, чтобы аппроксимировать функции. newrbe очень быстро разрабатывает радиальную базисную сеть с нулевой ошибкой на векторах проекта.
net = newrbe(P,T,spread) берет два или три аргумента,
P |
|
T |
|
spread | Распространение радиальных основных функций (значение по умолчанию = 1.0) |
и возвращает новую точную радиальную базисную сеть.
Чем больше spread, тем более сглаженно приближение функций будет. Слишком большое распространение может вызвать числовые проблемы.
Здесь вы разрабатываете радиальную базисную сеть, данную входные параметры P, и предназначается для T.
P = [1 2 3]; T = [2.0 4.1 5.9]; net = newrbe(P,T);
Сеть моделируется для нового входа.
P = 1.5; Y = sim(net,P)
newrbe создает сеть 2D слоя. Первый слой имеет нейроны radbas и вычисляет его взвешенные входные параметры с dist и его сетевой вход с netprod. Второй слой имеет нейроны purelin и вычисляет его взвешенный вход с dotprod и его сетевые входные параметры с netsum. Оба слоя имеют смещения.
newrbe устанавливает веса первого слоя на P', и смещения первого слоя все установлены в 0.8326/spread, приводящий к радиальным основным функциям, которые пересекаются 0.5 во взвешенных входных параметрах +/– spread.
Веса второго слоя IW{2,1} и смещения b{2} найдены путем симуляции первого слоя выходные параметры A{1} и затем решения следующего линейного выражения:
[W{2,1} b{2}] * [A{1}; ones] = T