Радиальная основа, лежащая в основе нейронов

Радиальная базовая сеть обучена реагировать на конкретные входы целевыми выходами. Однако, поскольку распространение радиальных базисных нейронов слишком мало, сеть требует много нейронов.

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 малое число.

eg = 0.02; % sum-squared error goal
sc = .01;  % spread constant
net = newrb(P,T,eg,sc);

NEWRB, neurons = 0, MSE = 0.176192

Чтобы проверить, что сеть соответствует функции плавно, определите другой набор тестовых входных векторов и смоделируйте сеть с этими новыми входами. Постройте график результатов на том же графике, что и обучающий набор. Тестовые векторы показывают, что функция была перевыполнена! Сеть могла бы работать лучше с более высокой постоянной разброса.

X = -1:.01:1;
Y = net(X);
hold on;
plot(X,Y);
hold off;