dist

(Zu entfernen) Euklidische Distanz-Gewichtungsfunktion

dist wird in einer zukünftigen Version entfernt. Weitere Informationen finden Sie unter Transition Legacy Neural Network Code to dlnetwork Workflows.

Ratschläge zur Aktualisierung Ihres Codes finden Sie unter Versionsverlauf.

Syntax

Z = dist(W,P)

dim = dist('size',S,R,FP)

dw = dist('dw',W,P,Z,FP)

D = dist(pos)

Beschreibung

Z = dist(W,P) akzeptiert eine S-mal-R-Gewichtungsmatrix W und eine R-mal-Q-Matrix aus Q-Eingangsvektoren (Spalten) P und gibt die S-mal-Q-Matrix aus Vektordistanzen Z aus.

Gewichtungsfunktionen wenden Gewichtungen auf einen Eingang an, um gewichtete Eingänge zu erhalten.

dim = dist('size',S,R,FP) akzeptiert die Schicht-Dimension S, die Eingangsdimension R und die Funktionsparameter FP und gibt die Gewichtungsgröße [S-mal-R] aus.

dw = dist('dw',W,P,Z,FP) gibt die Ableitung von Z bezüglich W an.

dist ist zudem eine Schicht-Distanzfunktion, die verwendet werden kann, um die Distanzen zwischen Neuronen in einer Schicht zu ermitteln.

D = dist(pos) akzeptiert eine N-mal-S-Matrix der Neuronenpositionen pos und gibt die S-mal-S-Matrix der Distanzen D aus.

Beispiele

Berechnen des gewichteten Eingangs mithilfe der dist-Funktion

Dieses Beispiel zeigt, wie Sie den entsprechenden gewichteten Eingang Z anhand einer zufälligen Gewichtungsmatrix W und einem Eingangsvektor P berechnen können.

W = rand(4,3);
P = rand(3,1);
Z = dist(W,P)

Hier definieren Sie eine zufällige Matrix mit Positionen für 10 Neuronen in einem dreidimensionalen Raum und ermitteln deren Distanzen.

pos = rand(3,10);
D = dist(pos)

Eingabeargumente

W — Gewichtungsmatrix

Matrix

Gewichtungsmatrix, angegeben als S-mal-R-Matrix.

P — Eingangsmatrix

Matrix

Eingangsmatrix, angegeben als R-mal-Q-Matrix aus Q Eingangsvektoren (Spalten).

S — Schichtdimensionen

Skalar

Schichtdimension, angegeben als Skalar.

R — Eingangsdimension

Skalar

Eingangsdimension, angegeben als Skalar.

pos — Neuronenpositionen

Matrix

Matrix der Neuronenpositionen, angegeben als N-malS-Matrix.

Ausgangsargumente

Z — Vektordistanzen

Matrix

Vektordistanzen, ausgegeben als S-malQ-Matrix.

dim — Gewichtungsgröße

Zeilenvektor

Gewichtungsgröße, ausgegeben als Zeilenvektor.

dw — Ableitung von w

Zellen-Array

Ableitung von Z bezüglich W, ausgegeben als Zellen-Array.

D — Distanzen

Matrix

Distanzen, ausgegeben als S-malS-Matrix.

Mehr über

Verwendung von Netzen

Sie können ein Standardnetz erstellen, das dist durch Aufrufen von newpnn oder newgrnn verwendet.

Um ein Netz zu ändern, sodass eine Eingangsgewichtung dist verwendet, setzen Sie net.inputWeights{i,j}.weightFcn auf 'dist'. Setzen Sie für eine Schichtgewichtung net.layerWeights{i,j}.weightFcn auf 'dist'.

Um ein Netz zu ändern, sodass die Topologie einer Schicht dist verwendet, setzen Sie net.layers{i}.distanceFcn auf 'dist'.

Rufen Sie in jedem Fall sim auf, um das Netz mit dist zu simulieren.

Algorithmen

Die euklidische Distanz d zwischen zwei Vektoren X und Y ist

d = sum((x-y).^2).^0.5

Versionsverlauf

Eingeführt vor R2006a

R2026a: dist wird zukünftig entfernt.

dist wird in einer zukünftigen Version entfernt.

Mehr über die unterstützten Mathematik- und Deep-Learning-Operationen und -Schichten erfahren Sie in diesen Beispielen und Themen:

• Build Networks with Deep Network Designer

• List of Deep Learning Layers

• List of Functions with dlarray Support

Weitere Informationen finden Sie unter Transition Legacy Neural Network Code to dlnetwork Workflows.

Siehe auch

Time Series Modeler | fitrnet (Statistics and Machine Learning Toolbox) | fitcnet (Statistics and Machine Learning Toolbox) | trainnet | trainingOptions | dlnetwork

Themen

• Training Neural Networks with Tabular Data
• Training Neural Networks with Time Series Data
• Transition Legacy Neural Network Code to dlnetwork Workflows