newgrnn

设计广义回归神经网络

语法

net = newgrnn(P,T,spread)

说明

广义回归神经网络 (grnn) 是一种常用于函数逼近的径向基网络。grnn 可以非常快速地设计出来。

net = newgrnn(P,T,spread) 接受三个输入，

P

由 Q 个输入向量组成的 R×Q 矩阵

T

由 Q 个目标类向量组成的 S×Q 矩阵

spread

径向基函数的散布（默认值 = 1.0）

并返回一个新的广义回归神经网络。

spread 越大，函数逼近越平滑。要非常紧密地拟合数据，请使用小于输入向量之间典型距离的 spread 值。要更平滑地拟合数据，请使用更大的 spread 值。

属性

newgrnn 会创建一个两层网络。第一层有 radbas 个神经元，用 dist 计算加权输入，用 netprod 计算净输入。第二层有 purelin 个神经元，用 normprod 计算加权输入，用 netsum 计算净输入。只有第一层有偏置。

newgrnn 将第一层权重设置为 P'，第一层偏置全部设置为 0.8326/spread，从而导致径向基函数在 +/- spread 的加权输入处跨度为 0.5。第二层的权重 W2 设置为 T。

示例

在此处，在给定输入 P 和目标 T 的情况下设计一个径向基网络。

P = [1 2 3];
T = [2.0 4.1 5.9];
net = newgrnn(P,T);

针对新输入对该网络进行仿真。

P = 1.5;
Y = sim(net,P)

参考资料

Wasserman, P.D., Advanced Methods in Neural Computing, New York, Van Nostrand Reinhold, 1993, pp. 155–61

版本历史记录

在 R2006a 之前推出

另请参阅

| | |