newgrnn

R2026b

(제거될 예정임) 일반화 회귀 신경망 설계

newgrnn 함수는 향후 릴리스에서 제거될 예정입니다. 자세한 내용은 Transition Legacy Neural Network Code to dlnetwork Workflows 항목을 참조하십시오.

코드 업데이트에 대한 자세한 지침은 버전 내역 항목을 참조하십시오.

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

모두 축소

참고 항목

| (Statistics and Machine Learning Toolbox) | (Statistics and Machine Learning Toolbox) | | |

도움말 항목