Искусственные нейронные сети. Сивохин А.В - 91 стр.

щейся функции потребуется большое количество нейронов: слишком
малое значение параметра SPREAD потребует большего количества
нейронов для аппроксимации гладкой функции. Обычно параметр
влияния SPREAD выбирается большим, чем шаг разбиения интерва-
ла задания обучающей последовательности, но меньшим размера са-
мого интервала.
   Функция newrbe устанавливает веса первого слоя равным P′, а
смещения – равными 0.8326/ SPREAD, в результате радиальная ба-
зисная функция пересекает значение 0.5 при значениях евклидового
расстояния ±SPREAD. Веса второго слоя LW{2,1} и смещения b{2}
определяются путем моделирования выходов первого слоя A{1} и
последующего решения системы линейных уравнений:

  [LW{2,1} b{2}]*[A{1}; ones] = T.

   Функция newrb формирует сеть следующим образом. Изначально
первый слой не имеет нейронов. Сеть моделируется и определяется
вектор входа с самой большой погрешностью, добавляется нейрон с
функцией активации radbas и весами, равными вектору входа, затем
вычисляются весовые коэффициенты линейного слоя, чтобы не пре-
высить средней допустимой квадратичной ошибки.

               Практические задания
   Задание 1. Создать радиальную базисную сеть с нулевой ошибкой
для обучающей последовательности P = 0:3 и T = [0.0 2.0 4.1 5.9],
проанализировать структурную схему построенной сети и значения
параметров ее вычислительной модели, выполнив следующие дейст-
вия:
   1. Создать радиальную базисную сеть с нулевой ошибкой:
   P = 0:3;
   T = [0.0 2.0 4.1 5.9];
   net = newrbe(P, T);

  2. Проанализировать структурную схему построенной сети:


                               91