Main Content

newgrnn

일반화 회귀 신경망 설계

구문

net = newgrnn(P,T,spread)

설명

일반화 회귀 신경망(grnn)은 함수 근사를 위해 자주 사용되는 일종의 방사형 기저 신경망입니다. grnn은 매우 빠르게 설계할 수 있습니다.

net = newgrnn(P,T,spread)는 다음과 같은 3개의 입력값을 받습니다.

P

Q개의 입력 벡터로 구성된 R×Q 행렬

T

Q개의 목표 클래스 벡터로 구성된 S×Q 행렬

spread

방사형 기저 함수의 산포(디폴트 값 = 1.0)

그런 다음 새로운 일반화 회귀 신경망을 반환합니다.

spread가 클수록 함수 근삿값이 매끄러워집니다. 데이터를 매우 가깝게 피팅하려면 입력 벡터 사이의 일반적인 거리보다 작은 spread를 사용하십시오. 데이터를 더 매끄럽게 피팅하려면 더 큰 spread를 사용하십시오.

속성

newgrnn은 2계층 신경망을 만듭니다. 첫 번째 계층은 radbas 뉴런을 가지며, dist를 사용하여 가중 입력값을, netprod를 사용하여 순 입력값을 계산합니다. 두 번째 계층은 purelin 뉴런을 가지며, normprod를 사용하여 가중 입력값을, netsum을 사용하여 순 입력값을 계산합니다. 첫 번째 계층만 편향을 갖습니다.

newgrnn은 첫 번째 계층 가중치를 P'으로 설정하고 첫 번째 계층 편향은 모두 0.8326/spread로 설정되므로 +/– spread의 가중 입력값에서 0.5를 지나는 방사형 기저 함수가 생성됩니다. 두 번째 계층 가중치 W2는 T로 설정됩니다.

예제

입력값 P와 목표값 T를 사용하여 방사형 기저 신경망을 설계합니다.

P = [1 2 3];
T = [2.0 4.1 5.9];
net = newgrnn(P,T);

신경망을 새 입력값에 대해 시뮬레이션합니다.

P = 1.5;
Y = sim(net,P)

참고 문헌

Wasserman, P.D., Advanced Methods in Neural Computing, New York, Van Nostrand Reinhold, 1993, pp. 155–61

버전 내역

R2006a 이전에 개발됨

참고 항목

| | |