Проектирование точной радиальной базовой сети
net = newrbe(P,T,spread)
Радиальные базовые сети могут использоваться для аппроксимации функций. newrbe очень быстро проектирует радиальную базовую сеть с нулевой ошибкой на векторах проектирования.
net = newrbe(P,T,spread) принимает два или три аргумента,
P |
|
T |
|
spread | Разброс радиальных базисных функций (по умолчанию = 1,0) |
и возвращает новую точную радиальную базисную сеть.
Чем больше spread является, чем плавнее будет аппроксимация функции. Слишком большой разброс может вызвать числовые проблемы.
Здесь проектируется радиальная базовая сеть с данными входами P и целевые показатели 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 двухуровневую сеть. Первый слой имеет radbas нейронов и вычисляет его взвешенные входы с помощью dist и его чистый вход с netprod. Второй слой имеет purelin нейронов и вычисляет его взвешенный вход с помощью dotprod и его чистые входные данные с netsum. Оба слоя имеют смещения.
newrbe устанавливает веса первого слоя как P', и все смещения первого уровня установлены в 0.8326/spread, что приводит к радиальным базисным функциям, пересекающим 0,5 на взвешенных входах +/- spread.
Веса второго слоя IW{2,1} и предубеждения b{2} обнаруживаются при моделировании выходов первого уровня A{1} и затем решение следующего линейного выражения:
[W{2,1} b{2}] * [A{1}; ones] = T