Нейронные сети и нейроконтроллеры. Бураков М.В. - 142 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

142
В RBF-сети с нулевой ошибкой число радиальных нейронов вы-
бирается равным числу элементов обучающего множества, в этом
заключается трудность использования подобной сети при большой
обучающей выборке.
В заключение рассмотрим моделирование системы Ван дер Поля
(см. рис. 3.19). В данном случае потребуется такая последователь-
ность команд:
>> [t,z]=sim('Van_der_Pol',10);
>> P = t';
>> T = z';
>> net2=newrb(P,T,0.01);
>> A= sim(net1,P);
>> figure(1); plot(P,A)
>> grid
Полученный результат совпадает с результатом, приведенным
на рис. 3.21.
В MatLab описаны также разновидности RBF-сетей – сети GRNN
и PNN.
Нейронная сеть GRNN (Generalized Regression Neural Network)
предназначена для решения задач обобщенной регрессии, анализа
временных рядов и аппроксимации функций. Она имеет радиаль-
но-базисный и специальный линейный слой (рис. 5.15). Характер-
ной особенностью этих сетей является высокая скорость обучения.
Радиально-базисный слой функционирует так же, как у RBF-
сети с нулевой ошибкой. Число нейронов этого слоя равно числу
элементов Q обучающего множества. В качестве начального при-
ближения для матрицы весов выбирается массив входов Р, так что
Рис. 5.15. Структура GRNN-сети
Input
Radial Basis Layer Special Linear Layer
Q
R ×1
dist
p
R
b
1
IW
1,1
Q × R
a
2
= y
LW
2,1
n
1
a
1
n
2
1
Q × 1
Q × 1
Q × 1
Q × 1
Q × 1
nprod
Q × Q
Q
Q × 1

Страницы