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