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 |
T | 由 |
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