RBF神經網絡--Matlab newrbe函數

newrbe

x->表示向量

1.這個形式的神經網絡不需要訓練，

 

2.net模型中會保存全部訓練數據即矩陣 IW中，新輸入的樣本p-> 會跟IW矩陣中的每個樣本計算距離， radbas(||dist||.* b->)后 形成a-> 所以向量a->的元素個數等於訓練樣本的個數

LW矩陣 的元素個數是 S2XS1,  S2是輸出個數，如果是1的情況下，LW的列數 就是S1即 a-> 向量的元素個數 ， 輸出這里直接是做了線性回歸。

所以根據這個模型可以看出 newrbe是不需要訓練，直接用的，同時看車訓練樣本需要全面，當然會占用比較大空間

 

function [w1,b1,w2,b2] = designrbe(p,t,spread)

  [r,q] = size(p);
  [s2,q] = size(t);
  w1 = p';
  b1 = ones(q,1)*sqrt(-log(.5))/spread;
  a1 = radbas(dist(w1,p).*(b1*ones(1,q)));
  x = t/[a1; ones(1,q)];
  w2 = x(:,1:q);
  b2 = x(:,q+1);
  
end

創建代碼，里面的a1是訓練數據兩兩之間的距離矩陣--取radbas后的

然后x=t/[a1;ones(1,q)] 直接做矩陣除法(ones(1,q) 對應b參數),所以需要保證[a1;ones(1,q))是可逆的，

如果輸入一個訓練樣本，結果必定是完全對上的，因為上面的是精確解---矩陣直接除