径向基函数RBF神经网络相关函数设置

本文介绍了神经网络中的两种径向基网络设计方法:newrb()和newrbe()。newrb()用于设计近似RBF网络,通过迭代增加神经元来逼近目标误差;而newrbe()则能快速精确地构建RBF网络。此外,还阐述了径向基传递函数radbas()的使用及其相关信息返回。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、newrb()

该函数可以用来设计一个近似(approximate)径向基网络。其调用格式为

[net, tr]=newrb(P, T, GOAL, SPREAD, MN, DE)

其中,P为Q组输入向量组成的RQ维矩阵;T为Q组目标分类向量组成的SQ维矩阵;GOAL为均方误差目标( Mean Squared Error Goal),默认为0.0;SPREAD为径向基函数的扩展速度,默认为1;MN为神经元的最大数目,默认为Q;DF为两次显示之间所添加的神经元数目,默认为25;net为返回值,一个RBF网络;tr为返回值,训练记录。

用 newrb()创建RBF网络是一个不断尝试的过程,在创建过程中,需要不断增加中间层神经元和个数,直到网络的输出误差满足预先设定的值为止。

二、 newrbe()

该函数用于设计一个严格(exact)径向基网络。其调用格式为

net = newrbe(P, T SPREAD)

其中,P为Q组输入向量组成的RQ维矩阵;T为Q组目标分类向量组成的SQ维矩阵;SPREAD为径向基函数的扩展速度,默认为1。

和newrb()不同, newrbe()能够基于设计向量快速地、无误差地设计一个径向基网络。

三、radbas()

该函数为径向基传递函数。其调用格式为

A= radbas (N)
info=radbas(code)

其中,N为输入(列)向量的S*Q维矩阵;A为函数返回矩阵,与N一一对应,即N中的每个元素通过径向基函数得到A。info= radbas(code)表示根据code值的不同返回有关函数的不同信息。包括

derive——返回导函数的名称。

name——返回函数全称。

output——返回输入范围。

active——返回可用输入范围。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

matlab科研中心

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值