newrb
设计径向基网络
说明
接受以下参量中的两个参量:net
= newrb(P
,T
,goal
,spread
,MN
,DF
)
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goal
- 均方误差目标spread
- 径向基函数的散布MN
- 神经元的最大数量DF
- 各次显示之间要添加的神经元数量
径向基网络可用于逼近函数。newrb
将神经元添加到径向基网络的隐藏层,直到它满足指定的均方误差目标。
spread
越大,函数逼近越平滑。过大的散布值意味着需要大量神经元来拟合快速变化的函数。过小的散布值意味着需要许多神经元来拟合平滑的函数,并且网络可能无法很好地泛化。请使用不同的散布值来调用 newrb
,以找到给定问题的最佳值。
示例
输入参数
输出参量
算法
newrb
会创建一个两层网络。第一层有 radbas
个神经元,用 dist
计算其加权输入,用 netprod
计算其净输入。第二层有 purelin
个神经元,用 dotprod
计算其加权输入,用 netsum
计算其净输入。两层都有偏置。
最初,radbas
层没有神经元。系统将重复以下步骤,直到网络的均方误差低于 goal
。
对网络进行仿真。
找到具有最大误差的输入向量。
添加一个
radbas
神经元,其权重等于该向量。重新设计
purelin
层权重以最小化误差。
版本历史记录
在 R2006a 之前推出