<< nns_init (X->y) Etalonnages non linéaires nns_simulbis >>

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

nns_simul

prédictions par un réseau de neurones à 1 couche cachée et avec biais

Sequence d'appel

ypred=nns_simul(wh,wo,x)

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

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)

Exemples

[ypred]=nns_simul(wh,wo,x)

Bibliographie

Auteurs


Report an issue
<< nns_init (X->y) Etalonnages non linéaires nns_simulbis >>