主要内容

newrb

设计径向基网络

所有的页面崩溃

语法

网= newrb (P、T、目标、传播,锰、DF)

描述

例子

净= newrb (P,T,目标,传播,锰,DF)需要两个参数:

  • P- - - - - -R——- - - - - -问矩阵的问输入向量

  • T- - - - - -年代——- - - - - -问矩阵的问目标类向量

  • 目标均方误差的目的

  • 传播- - - - - -径向基函数的传播

  • 锰最大数量的神经元

  • DF——数量的神经元之间添加显示器

径向基网络可以用来近似函数。newrb增加了径向基网络的隐层神经元,直到满足指定的均方误差的目的。

更大的传播平滑函数近似。太大传播意味着许多神经元必须适应快速变化的函数。太小传播意味着许多神经元必须符合一个平滑函数,和网络可能不推广。调用newrb与不同的传播来找到最好的值对于一个给定的问题。

例子

全部折叠

这个例子展示了如何设计一个径向基网络。

设计一个与输入径向基网络P和目标T。

P = (1 2 3);T = (2.0 4.1 5.9);网= newrb (P、T);

模拟网络的新输入。

P = 1.5;Y = sim(净,P)

输入参数

全部折叠

输入向量,作为指定R——- - - - - -问矩阵。

目标类向量,作为指定年代——- - - - - -问矩阵。

均方误差目标,指定为一个标量。

径向基函数的传播,指定为一个标量。

最大数量的神经元,指定为一个标量。

数量的神经元之间添加显示器,指定为一个标量。

输出参数

全部折叠

新的径向基网络,作为一个网络返回对象

算法

newrb创建了一个两层网络。第一层有radbas神经元,并计算其加权输入经销和其净输入netprod。第二个层purelin神经元,并计算其加权输入dotprod和其净输入netsum。层都有偏见。

最初,radbas层没有神经元。下面的步骤是重复,直到网络的均方误差低于目标。

  1. 网络是模拟的。

  2. 最大的输入向量误差。

  3. 一个radbas神经元添加重量相等向量。

  4. 的purelin层权重设计的误差降到最低。

版本历史

之前介绍过的R2006a

另请参阅

|||