Радиальный базис, перекрывающий нейроны

Радиальная базовая сеть обучена реагировать на конкретные входы целевыми выходами. Однако, поскольку распространение радиальных базисных нейронов слишком велико, каждый нейрон реагирует по существу одинаково, и сеть не может быть спроектирована.

Определите 21 вход P и соответствующие цели T.

P = -1:.1:1;
T = [-.9602 -.5770 -.0729  .3771  .6405  .6600  .4609 ...
      .1336 -.2013 -.4344 -.5000 -.3930 -.1647  .0988 ...
      .3072  .3960  .3449  .1816 -.0312 -.2189 -.3201];
plot(P,T,'+');
title('Training Vectors');
xlabel('Input Vector P');
ylabel('Target Vector T');

Функция NEWRB быстро создает радиальную базисную сеть, которая аппроксимирует функцию, определенную P и T.

В дополнение к обучающему набору и целям, NEWRB принимает два аргумента, цель суммарной ошибки и константу разброса. Разброс радиальных базисных нейронов B установлен на очень большое число.

eg = 0.02; % sum-squared error goal
sc = 100;  % spread constant
net = newrb(P,T,eg,sc);

NEWRB, neurons = 0, MSE = 0.176192

NEWRB не может правильно спроектировать радиальную базисную сеть из-за большого перекрытия входных областей радиальных базисных нейронов. Все нейроны всегда выводят 1, и поэтому не могут быть использованы для генерации различных ответов. Чтобы увидеть, как работает сеть с обучающим набором, смоделируйте сеть с исходными входами. Постройте график результатов на том же графике, что и обучающий набор.

Y = net(P);
hold on;
plot(P,Y);
hold off;