newpnn

Проектируйте вероятностную нейронную сеть

Синтаксис

net = newpnn(P,T,spread)

Описание

Вероятностные нейронные сети (PNN) являются своего рода радиальной базовой сетью, подходящей для задач классификации.

net = newpnn(P,T,spread) принимает два или три аргумента,

P

R-by- Q матрица Q входные векторы

T

S-by- Q матрица Q векторы целевых классов

spread

Разброс функций радиального базиса (по умолчанию = 0,1)

и возвращает новую вероятностную нейронную сеть.

Если spread близок к нулю, сеть действует как ближайший соседний классификатор. Как spread становится больше, проектируемая сеть принимает во внимание несколько ближайших векторов проекта.

Примеры

Здесь задача классификации определяется набором входов P и индексы классов Tc.

P = [1 2 3 4 5 6 7];
Tc = [1 2 3 2 2 3 1];

Индексы классов преобразуются в целевые векторы, и PNN проектируется и тестируется.

T = ind2vec(Tc)
net = newpnn(P,T);
Y = sim(net,P)
Yc = vec2ind(Y)

Алгоритмы

newpnn создает двухуровневую сеть. Первый слой имеет radbas нейроны и вычисляет их взвешенные входы с помощью dist и его чистый вход с netprod. Второй слой имеет compet нейроны и вычисляет его взвешенный вход с помощью dotprod и его чистые входы с netsum. Смещения есть только у первого слоя.

newpnn устанавливает веса первого слоя равными P', и все смещения первого уровня установлены на 0.8326/spread, в результате чего радиальные базисные функции пересекают 0,5 при взвешенных входах +/- spread. Веса второго слоя W2 заданы как T.

Ссылки

Wasserman, P.D., Advanced Methods in Neural Computing, New York, Van Nostrand Reinhold, 1993, pp. 35-55

См. также

| | | | |

Представлено до R2006a
Для просмотра документации необходимо авторизоваться на сайте