Спроектируйте обобщенную нейронную сеть регрессии
net = newgrnn(P,T,spread)
Обобщенные нейронные сети регрессии (grnns) своего рода радиальная базисная сеть, которая часто используется для приближения функций. grnns может быть спроектирован 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.
Большее spread, более сглаженное 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 radbas нейроны, и вычисляют взвешенные входные параметры с dist и сетевой вход с netprod. Второй слой имеет purelin нейроны, 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, получившийся в радиальных основных функциях, которые пересекаются 0.5 во взвешенных входных параметрах +/– spread. Вторые веса слоя W2 установлены в T.
Здесь вы проектируете радиальную базисную сеть, учитывая входные параметры P и цели T.
P = [1 2 3]; T = [2.0 4.1 5.9]; net = newgrnn(P,T);
Сеть симулирована 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
