<< nns_simul (X->y) Etalonnages non linéaires nns_simulter >>

fact >> (X->y) Etalonnages non linéaires > nns_simulbis

nns_simulbis

prédictions et estimations des erreurs de prédiction par un réseau de neurones à 1 couche cachée et avec biais

Sequence d'appel

[ypred,std_ypred]=nns_simulbis(wh,wo,x,std_res,cov_w)

Paramètres

wh:

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

wo:

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

x:

données d'étalonnage

x est une matrice de dimensions (n x q) ou une structure Div

std_res:

estimation des écarts-type des résidus

std_res est un vecteur de dimensions (1 x no) ou une structure Div

cov_w:

matrice de variance-covariance des poids

cov_w est une matrice de dimensions (nw x nw) ou une structure Div

nw=(q+1)*nh + (nh+1)*no

ypred:

prédictions du réseau de neurones (wh,wo) appliqué à x

ypred est une structure Div

ypred.d est une matrice de dimensions (n x no)

std_ypred:

estimation des écarts-type des erreurs associées à chaque prédiction

std_ypred une structure Div

std_ypred.d est une matrice de dimensions (n x no)

Exemples

[ypred,stdypred]=nns_simulbis(wh,wo,x,stdres,covw)

Bibliographie

Auteurs


Report an issue
<< nns_simul (X->y) Etalonnages non linéaires nns_simulter >>