Моделирование искусственных нейронных сетей в системе MATLAB. Часть 3. Радиальные базисные сети. Донской Д.А - 12 стр.

кость. Поэтому их применение для аппроксимации произвольных
нелинейных зависимостей вполне оправдано.
   Рассмотрим пример формирования радиальной базисной сети в
системе MATLAB для решения задачи аппроксимации. Сформируем
обучающее множество и зададим допустимое значение функционала
ошибки, равное 0.01, параметр влияния определим равным 1 и будем
использовать итерационную процедуру формирования радиальной
базисной сети:

  P = -1:.1:1;

  T = [-.9602 -.5770 -.0729 .3771 .6405 .6600
.4609 .1336 ...
       -.2013 -.4344 -.5000 -.3930 -.1647 .0988
.3072 .3960 ...
        .3449 .1816 -.0312 -.2189 -.3201];

  GOAL = 0.01;

  SPREAD = 1;

  net = newrb(P,T,GOAL,SPREAD); % Создание сети

  net.layers{1}.size % Число нейронов в скрытом слое

  NEWRB, neurons = 0, SSE = 3.69051
  ans =
       6


   Для заданных параметров нейронная сеть состоит из 6 нейронов и
обеспечивает следующие возможности аппроксимации нелинейных
зависимостей после обучения. Моделируя сформированную нейрон-
ную сеть, построим аппроксимационную кривую на интервале [–1; 1]
с шагом 0.01 для нелинейной зависимости.


                               12