精确径向基(matlab工具箱)

haidaowang

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
# c, U" j% N$ e  ^     net = newrbe(P,T,spread)

$ [* x2 O  o( ?4 p- E0 B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。
6 U5 ~' U4 I: gnet = 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。
    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];
) v! M6 o4 c' o: s    T = [2.0 4.1 5.9];
) F* Z: @/ d6 b* g+ ~    net = newrbe(P,T);

    网络对于新输入的预测：

7 x2 B1 q8 Y% h  ^! f, a    P = 1.5;
    Y = sim(net,P);

算法：
( u5 \- }% _1 S4 s4 f      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。
' h3 {3 A! s! w  H  v

      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 s4 x$ s( i$ A; p

      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

yin123

精确径向基(matlab工具箱)