Проектируйте обобщенную регрессионую нейронную сеть
net = newgrnn(P,T,spread)
Обобщенные регрессионные нейронные сети (grnns) являются своего рода радиальной базисной сетью, которая часто используется для приближения функций. grnns 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
