MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的函數(shù)屬性及其參數(shù)定義ppt課件

1、3.1 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對象 在MATLAB中把定義的神經(jīng)網(wǎng)絡(luò)看作一個對象，對象還包括一些子對象：輸入向量、網(wǎng)絡(luò)層、輸出向量、目的向量、權(quán)值向量和閾值向量等，這樣網(wǎng)絡(luò)對象和各子對象的屬性共同確定了神經(jīng)網(wǎng)絡(luò)對象的特性。網(wǎng)絡(luò)屬性除了只讀屬性外，均可以按照商定的格式和屬性的類型進展設(shè)置、修正、援用等。援用格式為： 網(wǎng)絡(luò)名.子對象.屬性例如： net.inputs1.range=0 1;0 1; net.layers1.size=3; net.layers1.transferFCn=hardlim3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對象屬性1構(gòu)造屬性-構(gòu)造屬性決議了網(wǎng)絡(luò)子對象的

2、數(shù)目包括輸入向量、網(wǎng)絡(luò)層向量、輸出向量、目的向量、閾值向量和權(quán)值向量的數(shù)目以及它們之間的銜接關(guān)系。無論何時，構(gòu)造屬性值一旦發(fā)生變化，網(wǎng)絡(luò)就會自動重新定義，與之相關(guān)的其他屬性值也會自動更新。1numInputs屬性：net.numInputs屬性定義了網(wǎng)絡(luò)的輸入源數(shù)，它可以被設(shè)置為零或正整數(shù)。 3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對象屬性2numLayers屬性： numLayers屬性定義了網(wǎng)絡(luò)的層數(shù)，它可以被設(shè)置為零或正整數(shù)。3biasConnect屬性：net.biasConnect屬性定義各個網(wǎng)絡(luò)層能否具有閾值向量，其值為布爾型向量 0或1， 為網(wǎng)絡(luò)層數(shù)net.numLayers

3、4inputConnect屬性：net.inputConnect屬性定義各網(wǎng)絡(luò)層能否具有來自個輸入向量的銜接權(quán)，其值為 布爾型向量0或1， 為網(wǎng)絡(luò)輸入向量維數(shù)net.layers1.size。5layerConnect屬性 ：net.layerConnect屬性定義一個網(wǎng)絡(luò)層能否具有來自另外一個網(wǎng)絡(luò)層的銜接權(quán)，其值為 的布爾型向量0或1。N 1NNRRNN3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對象屬性targetConnect屬性：net.targetConnect定義各網(wǎng)絡(luò)層能否和目的向量有關(guān)，其值為 的布爾型向量0或1。outputConnect屬性：net.outputConnect

4、屬性定義各網(wǎng)絡(luò)層能否作為輸出層，其值為 的布爾型向量0或1。targetConnect：該屬性定義了神經(jīng)網(wǎng)絡(luò)的目的層，即網(wǎng)絡(luò)哪些層的輸出具有目的矢量。其屬性值為 維的布爾量矩陣。 numOutputs：該屬性定義了神經(jīng)網(wǎng)絡(luò)輸出矢量的個數(shù)，屬性值為只讀變量，其數(shù)值為網(wǎng)絡(luò)中輸出層的總數(shù)(sum(net.outputConnect)。1 N1 N1 N3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對象屬性numTargets：該屬性定義了網(wǎng)絡(luò)目的矢量的個數(shù)，屬性值為只讀變量，其數(shù)值為網(wǎng)絡(luò)中目的層的總數(shù)(sum(net.targetConnect)。 numInputDelays：該屬性定義了神經(jīng)網(wǎng)絡(luò)的輸

5、入延遲，屬性值為只讀變量，其數(shù)值為網(wǎng)絡(luò)各輸入層輸入延遲拍數(shù)(net.inputWeightsi,j.delays)中的最大值。numLayerDelays：該屬性定義了神經(jīng)網(wǎng)絡(luò)的層輸出延遲，屬性值為只讀變量，其數(shù)值為各層的神經(jīng)元之間銜接延遲拍數(shù)(net.layerWeightsi,j.delays)中的最大值。3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對象屬性2函數(shù)屬性-函數(shù)屬性定義了一個網(wǎng)絡(luò)在進展權(quán)值/閾值 調(diào)整、初始化、誤差性能計算或訓(xùn)練時采用 的算法。adaptFcn屬性：net.adaptFcn屬性定義了網(wǎng)絡(luò)進展權(quán)值/閾值自順應(yīng)調(diào)整時所采用的函數(shù)，它可以被設(shè)置為恣意一個進展權(quán)值/閾值調(diào)

6、整的函數(shù)名，包括trains函數(shù)。performFcn屬性net.performFcn屬性定義了網(wǎng)絡(luò)用于衡量網(wǎng)絡(luò)性能所采用的函數(shù)，其屬性值為表示性能函數(shù)稱號的字符串。 3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對象屬性trainFcn屬性：net.trainFcn屬性定義了網(wǎng)絡(luò)用于訓(xùn)練網(wǎng)絡(luò)性能所采用的函數(shù)，其屬性值為表示訓(xùn)練函數(shù)稱號的字符串。 initFcn屬性：net.adaptFcn屬性定義了網(wǎng)絡(luò)初始化權(quán)值/閾值向量所采用的函數(shù)其屬性值為表示網(wǎng)絡(luò)初始化函數(shù)稱號的字符串。包括層層構(gòu)造的初始化函數(shù)initlay，層初始化函數(shù)initnw,initwb。3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)

7、對象屬性3參數(shù)屬性adaptParam屬性：net.adaptParam屬性定義了網(wǎng)絡(luò)當(dāng)前自順應(yīng)函數(shù)的各參數(shù)，其屬性值為各參數(shù)構(gòu)成的構(gòu)造體。 initParam屬性：net.initParam屬性定義了網(wǎng)絡(luò)當(dāng)前初始化函數(shù)的各參數(shù)，其屬性值為各參數(shù)構(gòu)成的構(gòu)造體。 performParam屬性：net.performParam該屬性定義了網(wǎng)絡(luò)當(dāng)前性能函數(shù)的各參數(shù)，其屬性值為各參數(shù)構(gòu)成的構(gòu)造體。 trainParam屬性：net.trainParam該屬性定義了網(wǎng)絡(luò)當(dāng)前訓(xùn)練函數(shù)的各參數(shù)，其屬性值為各參數(shù)構(gòu)成的構(gòu)造體。 3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對象屬性4權(quán)值和閾值屬性IW屬性：net

8、.IW屬性定義了從網(wǎng)絡(luò)輸入向量到網(wǎng)絡(luò)層的權(quán)值向量即輸入層的權(quán)值向量構(gòu)造。其值為 的細胞矩陣。LW屬性：net.LW定義了從一個網(wǎng)絡(luò)層到另一個網(wǎng)絡(luò)層的權(quán)值向量構(gòu)造。其值為 的細胞矩陣。 b屬性：net.b屬性定義各網(wǎng)絡(luò)層的閾值向量構(gòu)造。其值為 的細胞矩陣。 NRNNN 13.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)子對象屬性 子對象的屬性定義了網(wǎng)絡(luò)的各個子對象：輸入向量、網(wǎng)絡(luò)層、輸出向量、目的向量、權(quán)值向量和閾值向量的屬性。1輸入向量size屬性： net.inputsi.size定義了網(wǎng)絡(luò)各維輸入向量的元素數(shù)目，可以被設(shè)置為零或正整數(shù)。range屬性：net.inputsi.range定義了第維

9、輸入向量中每個元素的取值范圍，其值是一個 的矩陣。 userdata屬性：net.inputi.userdata和net.userdata為用戶提供了關(guān)于輸入向量的用戶信息的地方，它預(yù)先只定義了一個字段，其值為一提示信息。 R23.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)子對象屬性2網(wǎng)絡(luò)層dimensions屬性：net.Layersi.dimensions屬性定義了每層神經(jīng)元在多維空間中陳列時各維的維數(shù)，其屬性值為一個行矢量，該矢量中各元素的乘積等于該層神經(jīng)元的個數(shù)(net.layersi.size)。 distanceFcn屬性 ：net.layersi.distanceFcn，該屬性定義了

10、每層神經(jīng)元間距的計算函數(shù)，其屬性值為表示間隔函數(shù)稱號的字符串。 distances屬性只讀：net.layersi.disances，該屬性定義了每層網(wǎng)絡(luò)中各神經(jīng)元之間的間隔，屬性值為只讀變量，其數(shù)值由神經(jīng)元的位置坐標(biāo)(net.layersi.positions)和間隔函數(shù)(net.layersi.distanceFcn)來 確定。 3.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)子對象屬性initFcn屬性：net.layersi.initFcn，假設(shè)網(wǎng)絡(luò)初始化函數(shù)net.initFcn設(shè)置為initlay，那么該屬性定義為 第 層網(wǎng)絡(luò)的初始化函數(shù)。netInputFcn屬性：net.layers

11、iInputFcn屬性定義一個網(wǎng)絡(luò)輸入函數(shù)，以給定的權(quán)值和閾值計算第 層網(wǎng)絡(luò)的輸入。positions屬性只讀：該屬性定義了每層網(wǎng)絡(luò)中各神經(jīng)元的位置坐標(biāo)，屬性值為只讀變量，其值由拓撲函數(shù)(net.layersiologyFcn)和神經(jīng)元在各維分布的維數(shù)(net.layersi.dimensions)來確定。size屬性：net.layersi.size，該屬性定義第 層網(wǎng)絡(luò)中的神經(jīng)元數(shù)目，其值可以設(shè)置為零或正整數(shù)。iii3.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)子對象屬性3輸出向量size屬性：net.outputsi.size，該屬性定義了第層網(wǎng)絡(luò)輸出向量中元素的個數(shù)，其值為第 層網(wǎng)絡(luò)神經(jīng)元

12、的數(shù)目net.layersi.size。userdata屬性：net.outputsi.userdata，該屬性為用戶提供了添加關(guān)于第 層網(wǎng)絡(luò)輸出向量的用戶信息的地方，它預(yù)先只定義一個字段，其值為一提示信息。 ii3.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)子對象屬性 4目的向量size屬性：net.targetsi.size，該屬性定義了第 層網(wǎng)絡(luò)目的向量中元素的個數(shù)，其值為第 層網(wǎng)絡(luò)神經(jīng)元的數(shù)目net.layersi.size。userdata屬性：net.targetsi.userdata，該屬性為用戶提供了添加關(guān)于第 個網(wǎng)絡(luò)層目的向量的用戶信息的地方，它預(yù)先只定義一個字段，其值為一提示信

13、息 iii3.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)子對象屬性 5閾值向量initFcn屬性：net.biasesi.initFcn，該屬性定義了第 層網(wǎng)絡(luò)閾值向量的初始化函數(shù)，假設(shè)網(wǎng)絡(luò)的初始化函數(shù)為initlay，那么第 層網(wǎng)絡(luò)閾值向量的初始化函數(shù)的函數(shù)為initwb。learn屬性：net.biasesi.learn，該屬性定義第 個閾值向量在訓(xùn)練和調(diào)整過程中能否變化。其值可以設(shè)置為0或1。 learnFcn屬性：net.biasesi.learnFcn，假設(shè)網(wǎng)絡(luò)的訓(xùn)練函數(shù)是trainb、trainc和trainr，或者網(wǎng)絡(luò)的調(diào)整函數(shù)為trains，那么該屬性定義第 層網(wǎng)絡(luò)閾值向量在訓(xùn)練和調(diào)整學(xué)習(xí)過程中的學(xué)習(xí)函數(shù)。 iiii3.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)子對象屬性learnParam屬性：net.biasesi.learnParam，該屬性定義了第 層網(wǎng)絡(luò)閾值向量