精确径向基神经网络在matlab中使用newrbe建立。这里小编不得不说，newrbe实际是newrb(径向基)神经网络的
特殊情况，newrbe的结构与newrb完全一样，只不过隐节点是固定个数（与样本个数相同），而newrb则会使用OLS算法逐个添加神经元，直到误差小于指定误差为止。即当newrb拥有与样本个数一样的神经元时，此时它就是newrbe。
为什么叫精确径向基神经网络？因为当径向基的隐节点个数与样本个数相同时，它对样本数据的预测误差将是0！
下面翻译matlab的doc文档给大家，以供更全面学习使用（为方便大家理解，本人作了些少改动）。
语法
net = newrbe(P,T,spread)
$ _$ [0 i7 S$ e& x% ~( ]8 w0 w
说明
精确径向基神经网络可以用于拟合函数。newrbe 非常快的设计出一个在样本上0错误的径向基神经网络。4 M z4 m# U* r( [9 f: ~- {
net = newrbe(P,T,spread) 需要2或3个输入参数
| 入参 | 说明 |
| P | R行Q列的输入矩阵，R个输入变量，Q个样本。 |
| T | S行Q列的目标输出矩阵，S个输出变量，Q个样本。 |
| spread | 径向基函数的扩展系数（默认=1.0） |
并返回一个新的精确径向基神经网络。) H: e3 Z1 p! g. e$ b; G: w
spread越大，拟合出来的函数会更加平滑。但太大的spread会引起数值问题。
例子：
对于给定的输入P和目标T，设计一个精确径向基神经网络：
P = [1 2 3];/ N* ]+ A# K# y( E3 x% O7 a
T = [2.0 4.1 5.9];
net = newrbe(P,T);
网络对于新输入的预测：
0 w/ b/ E6 i9 S2 K
P = 1.5;6 h8 m1 W4 w7 v1 F. f- c9 {
Y = sim(net,P);
算法：/ n. W) I1 N; h
newrbe 创建一个2层的神经网络。第一层拥有径向基神经元，并用dist来计算它的加权输入和用netprod来计算它的网络输入。第2层是线性神经元，用dotprod计算它的加权输入和netsum计算网络输入，两层都有阈值。
newrbe 将第一层的权重设置为P',第一层的阈值全设为0.8326/spread，使权重输入为+/–spread时，径向基的值为0.5。" {$ @' `2 x; N3 L6 J8 H
第二层的权重 IW{2,1} 和阈值 b{2}这样求得：先拟合第一层的输出A{1}，然后对下面的表达式求解：
W{2,1} b{2}] * [A{1}; ones] = T
| 欢迎光临 EDA365电子论坛网 (https://bbs.eda365.com/) | Powered by Discuz! X3.2 |