Радиальные базисные сети
|
RADBAS,DRADBAS |
Радиальная базисная функция |
Блок Simulink:
Синтаксис:
|
A = radbas(N) info = radbas(code) |
dA_dN = dradbas(N,A) |
Описание:
Функция A = radbas(N) реализует радиальную базисную функцию активации.
Функция info = radbas(code) сообщает информацию о функцииradbas.
Функция dA_dN = dradbas(N, A) вычисляет производную функцииradbas.
Пример:
Информация о функции активации radbas:
name = radbas('name')
dname = radbas('deriv')
inrange = radbas('active')
outrange = radbas('output')
name = Radial Basis
dname = dradbas
inrange = –2 2
outrange = 0 1
Следующая последовательность команд создает график функции активации radbas:
n = –3:0.1:3;
a = radbas(n);
plot(n,a) % Рис.11.35
Рис. 11.35
Зададим следующий вектор входа радиальной базисной функции активации для слоя из трех нейронов и рассчитаем вектор выхода A и производную dA_dN:
N = [0.1; 0.8; –0.7];
-
A = radbas(N)
dA_dN = dradbas(N,A)
A =
0.9900
0.5273
0.6126
dA_dN =
–0.1980
–0.8437
0.8577
Применение функции:
Функция активации radbas используется при формировании вероятностных и обобщенных регрессионных сетей с помощью М-функцийnewpnnиnewgrnn. Для задания функции активацииradbas следует установить значение свойстваnet.layers{i}.transferFcnравным'radbas'.
Алгоритм:
Функция активации radbas и ее производная dradbas определяются следующими соотношениями:
;
.
Сопутствующие функции: sim, tribas, dradbas.
|
tribas, DTRIBAS |
Треугольная функция активации |
Блок Simulink:
Синтаксис:
|
A = tribas(N) info = tribas(code) |
dA_dN = dtribas(N,A) |
Описание:
Функция A = tribas(N) реализует треугольную функцию активации.
Функция info = tribas(code) сообщает информацию о функцииtribas.
Функция dA_dN = dtribas(N, A) вычисляет производную функцииtribas.
Пример:
Информация о функции активации tribas:
name = tribas('name')
dname = tribas('deriv')
inrange = tribas('active')
outrange = tribas('output')
name = Triangle Basis
dname = dtribas
inrange = –1 1
outrange = 0 1
Построим график функции активации tribas (рис. 11.36):
n = –2:0.1:2;
a = tribas(n);
plot(n,a) % Рис.11.36
Рис. 11.36
Зададим следующий вектор входа треугольной функции активации для слоя из трех нейронов и рассчитаем вектор выхода A и производную dA_dN:
N = [0.1; 0.8; –0.7];
-
A = tribas(N)
dA_dN = dtribas(N,A)
A =
0.9000
0.2000
0.3000
dA_dN =
–1
–1
–1
Применение функции:
Для задания функции активации tribas следует установить значение свойстваnet.layers{i}.transferFcnравным'tribas'.
Алгоритм:
Функция активации tribas и ее производнаяdtribasопределяются следующими соотношениями:
;
Сопутствующие функции: SIM, RADBAS.
Самоорганизующиеся сети
|
COMPET |
Конкурирующая функция активации |
Блок Simulink:
Синтаксис:
A = compet(N)
info = compet(code)
Описание:
Функция A = compet(N) реализует конкурирующую функцию активации.
Функция info = compet(code) сообщает информацию о функцииcompet.
Функция competне имеет производной.
Конкурирующая функция преобразует вектор входа слоя нейронов так, чтобы нейрон с самым большим входом имел выход, равный 1, а всего другие нейроны имели выходы, равные 0.
Пример:
Информация о функции активации compet:
name = compet('name')
dname = compet('deriv')
inrange = compet('active')
outrange = compet('output')
name = Competitive
dname = ''
inrange = –Inf Inf
outrange = 0 1
Зададим следующий вектор входа конкурирующей функции активации, вычислим выход и представим входы и выходы в виде столбцовых диаграмм (рис. 11.37):
n = [0; 1; –0.5; 0.5];
a = compet(n);
subplot(2,1,1), bar(n), ylabel('n')
subplot(2,1,2), bar(a), ylabel('a') % Рис.11.37
Рис. 11.37
Применение функции:
Функция активации compet используется при формировании вероятностных и самоорганизующихся нейронных сетей с помощью М-функцийnewc иnewpnn. Для задания функции активацииcompetследует установить значение свойстваnet.layers{i}.transferFcnравным'compet'.
Сопутствующие функции: SIM, SOFTMAX.
|
softmax |
Конкурирующая функция активации с мягким максимумом |
Блок Simulink:
Синтаксис:
A = softmax(N)
info = softmax(code)
Описание:
Функция A = softmax(N) реализует конкурирующую функцию активации с мягким максимумом.
Функция info = softmax(code)сообщает информацию о функцииsoftmax.
Функция softmaxне имеет производной.
Пример:
Информация о функции активации softmax:
name = softmax('name')
dname = softmax('deriv')
inrange = softmax('active')
outrange = softmax('output')
name = Soft Max
dname = ''
inrange = –Inf Inf
outrange = 0 1
Зададим следующий вектор входа конкурирующей функции активации с мягким максимумом, вычислим выход и представим входы и выходы в виде столбцовых диаграмм:
n = [0; 1; –0.5; 0.5];
a = softmax(n);
subplot(2,1,1), bar(n), ylabel('n')
subplot(2,1,2), bar(a), ylabel('a') % Рис.11.38
Рис. 11.38
Применение функции:
Функция активации softmaxиспользуется при формировании вероятностных и самоорганизующихся нейронных сетей с помощью М-функцийnewc иnewpnn. Для задания функции активацииsoftmax следует установить значение свойстваnet.layers{i}.transferFcnравным'softmax'.
Сопутствующие функции: sim, compet.