Проектирование радиальной базовой сети
net = newrb(P,T,goal,spread,MN,DF)
Радиальные сети базиса могут использоваться, чтобы аппроксимировать функции. newrb добавляет нейроны к скрытому слою радиальной базовой сети до тех пор, пока она не достигнет заданной цели квадратичной невязки.
net = newrb(P,T,goal,spread,MN,DF) принимает два из этих аргументов,
P |
|
T |
|
goal | Средняя квадратичная невязка (значение по умолчанию = 0,0) |
spread | Разброс функций радиального базиса (по умолчанию = 1.0) |
MN | Максимальное количество нейронов (по умолчанию это |
DF | Количество нейронов, которые можно добавить между отображениями (по умолчанию = 25) |
и возвращает новую радиальную базовую сеть.
Больший spread Это, тем более сглаживает приближение функций. Слишком большое распространение означает, что для соответствия быстро изменяющейся функции требуется много нейронов. Слишком маленький разброс означает, что для соответствия гладкой функции требуется много нейронов, и сеть может плохо обобщаться. Функции newrb с различными спредами, чтобы найти лучшее значение для заданной задачи.
Здесь вы проектируете радиальную сеть базиса, заданные входы P и целевые T.
P = [1 2 3]; T = [2.0 4.1 5.9]; net = newrb(P,T);
Сеть моделируется для нового входа.
P = 1.5; Y = sim(net,P)
newrb 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 purelin нейроны и вычисляет его взвешенный вход с помощью dotprod и его чистые входы с netsum. Оба слоя имеют смещения.
Первоначально radbas слой не имеет нейронов. Следующие шаги повторяются, пока средняя квадратичная невязка сети не упадет ниже goal.
Моделируется сеть.
Найден входной вектор с наибольшей ошибкой.
A radbas добавляют нейрон с весами, равными этому вектору.
The purelin веса слоев изменяются, чтобы минимизировать ошибку.
