Main Content

newpnn

확률 신경망 설계

구문

net = newpnn(P,T,spread)

설명

확률 신경망(PNN)은 분류 문제에 적합한 일종의 방사형 기저 신경망입니다.

net = newpnn(P,T,spread)는 다음과 같은 2개 또는 3개의 인수를 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 = 0.1)

그런 다음 새로운 확률 신경망을 반환합니다.

spread가 0에 가까우면 신경망은 최근접이웃 분류기 역할을 합니다. spread가 커지면 설계된 신경망은 인접한 여러 설계 벡터를 고려합니다.

예제

여기에서는 분류 문제를 입력값 세트 P 및 클래스 인덱스 Tc로 정의합니다.

P = [1 2 3 4 5 6 7];
Tc = [1 2 3 2 2 3 1];

클래스 인덱스를 목표 벡터로 변환하고 PNN을 설계하고 테스트합니다.

T = ind2vec(Tc)
net = newpnn(P,T);
Y = sim(net,P)
Yc = vec2ind(Y)

알고리즘

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

newpnn은 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.

참고 문헌

Wasserman, P.D., Advanced Methods in Neural Computing, New York, Van Nostrand Reinhold, 1993, pp. 35–55

버전 내역

R2006a 이전에 개발됨

참고 항목

| | | | |