Спроектируйте обобщенную нейронную сеть регрессии
net = newgrnn(P,T,spread)
Обобщенные нейронные сети регрессии (grnn
s) своего рода радиальная базисная сеть, которая часто используется для приближения функций. grnn
s 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