erreurs de prédiction par un réseau de neurones à 1 couche cachée et avec biais
[sse,gra,hes]=nns_simulter(wh,wo,x,y)
coefficients des neurones cachés + biais
wh est une matrice de dimensions ((q+1) x nh) ou une structure Div
nh est le nombre de neurons cachés
coefficients des neurones de sortie + biais
wo est une matrice de dimensions ((nh+1) x no) ou une structure Div
no est le nombre de neurones de sortie
données d'étalonnage
x est une matrice de dimensions (n x q) ou une structure Div
valeurs de référence, à prédire
y est une matrice de dimensions (n x no) ou une structure Div
somme des carrés des erreurs, pour chaque sortie
sse est une structure Div
sse.d est un vecteur de dimensions (1 x no)
dérivées partielles des sommes des carrés des erreurs, pour chaque poids et chaque sortie
gra est une structure Div
gra.d est une matrice de dimensions (nw x no)
Hessiens, approximations des dérivées seconde des sommes des carrés des erreurs, pour chaque poids et chaque sortie
hes est une hypermatrice de dimensions (nw x nw x no) ou une structure Div
nw=(q+1)*nh + (nh+1)*no