精确径向基(matlab工具箱)

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
! l, T" E: X8 R# A6 e     net = newrbe(P,T,spread)

  h- q' L) Y  @3 c8 }4 p0 Q
说明% X  g  g1 I- s7 ?9 ~
    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。& E* O* x6 R+ S5 R- Y, O
net = newrbe(P,T,spread) 需要2或3个输入参数

    并返回一个新的精确径向基神经网络。2 W) G) h; ?( k: d
    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：6 l4 E% |3 l) M) O7 ~
    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：

. ^9 N0 x3 U4 P/ h" I
    P = [1 2 3];
- \, x: O  Z# F& g5 O+ E: R0 V    T = [2.0 4.1 5.9];) V8 R% k& ?) B2 q/ z* s4 B2 C
    net = newrbe(P,T);

    网络对于新输入的预测：

7 U! n! l$ ^& i! A! {# E+ l* O2 B
    P = 1.5;
6 S! l8 j) K& O: G4 O# B    Y = sim(net,P);

算法：
% T) v* h) I  V' o/ a! P& [4 r$ \      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。2 ]) q: X- s( ^6 Q* c- F

      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。
% R- B$ u( _" q6 A( P. v2 X

      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：
* H/ W6 d& R; V' Q& V      W{2,1} b{2}] * [A{1}; ones] = T