Проектируйте обобщенную регрессионую нейронную сеть
net = newgrnn(P,T,spread)
Обобщенные регрессионные нейронные сети (grnn
s) являются своего рода радиальной базисной сетью, которая часто используется для приближения функций. grnn
s может быть спроектирован очень быстро.
net = newgrnn(P,T,spread)
принимает три входов,
P |
|
T |
|
spread | Разброс функций радиального базиса (по умолчанию = 1.0) |
и возвращает новую обобщенную регрессионую нейронную сеть.
Чем больше spread
, сглаживает приближение функций. Чтобы очень близко подогнать данные, используйте spread
меньше, чем типовое расстояние между входными векторами. Чтобы более плавно подгонять данные, используйте большую spread
.
newgrnn
создает двухуровневую сеть. Первый слой имеет radbas
нейроны и вычисляет взвешенные входы с помощью dist
и чистый вход с netprod
. Второй слой имеет purelin
нейроны, вычисляет взвешенный вход с normprod
, и чистые входы с netsum
. Смещения есть только у первого слоя.
newgrnn
устанавливает веса первого слоя равными P'
, и все смещения первого слоя установлены на 0.8326/spread
, в результате чего радиальные базисные функции пересекают 0,5 при взвешенных входах +/- spread
. Вес второго слоя W2
заданы как T
.
Здесь вы проектируете радиальную сеть базиса, заданные входы P
и целевые T
.
P = [1 2 3]; T = [2.0 4.1 5.9]; net = newgrnn(P,T);
Сеть моделируется для нового входа.
P = 1.5; Y = sim(net,P)
Wasserman, P.D., Advanced Methods in Neural Computing, New York, Van Nostrand Reinhold, 1993, pp. 155-61