Спроектируйте точную радиальную базисную сеть
net = newrbe(P,T,spread)
Радиальные базисные сети могут использоваться, чтобы аппроксимировать функции. newrbe очень быстро проектирует 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.
Большее spread более сглаженное, которым будет приближение функций. Слишком большое распространение может вызвать числовые проблемы.
Здесь вы проектируете радиальную базисную сеть, данную входные параметры P и цели T.
P = [1 2 3]; T = [2.0 4.1 5.9]; net = newrbe(P,T);
Сеть симулирована для нового входа.
P = 1.5; Y = sim(net,P)
newrbe создает сеть 2D слоя. Первый слой имеет radbas нейроны, и вычисляют его взвешенные входные параметры с dist и его сетевой вход с netprod. Второй слой имеет purelin нейроны, и вычисляют 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, получившийся в радиальных основных функциях, 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 решая следующее линейное выражение:
[W{2,1} b{2}] * [A{1}; ones] = T