network

Erstellen eines benutzerdefinierten flachen neuronalen Netzes

Syntax

net = network net = network(numInputs,numLayers,biasConnect,inputConnect,layerConnect,outputConnect)

Hilfe erhalten

Geben Sie help network/network ein.

Tipp

Um zu erfahren, wie man ein Deep-Learning-Netz erstellt, gehen Sie auf dlnetwork.

Beschreibung

network erstellt neue benutzerdefinierte Netze. Es wird verwendet, um Netze zu erstellen, die dann durch Funktionen wie feedforwardnet und narxnet angepasst werden.

net = network ohne Argumente gibt ein neues neuronales Netz ohne Eingänge, Schichten oder Ausgänge zurück.

net = network(numInputs,numLayers,biasConnect,inputConnect,layerConnect,outputConnect) nimmt die folgenden optionalen Argumente entgegen (angegeben mit Standardwerten):

`numInputs`	Anzahl der Eingänge, 0
`numLayers`	Anzahl der Schichten, 0
`biasConnect`	`numLayers`-mal-1 Boolescher Vektor, Nullstellen
`inputConnect`	`numLayers`-mal-`numInputs` Boolesche Matrix, Nullstellen
`layerConnect`	`numLayers`-mal-`numLayers` Boolesche Matrix, Nullstellen
`outputConnect`	1-mal-`numLayers` Boolescher Vektor, Nullstellen

und gibt Folgendes zurück:

net

Ein neues Netz mit den angegebenen Eigenschaftswerten

Eigenschaften

Architektonische Eigenschaften

`net.numInputs`	0 oder eine positive Ganzzahl	Anzahl der Eingänge.
`net.numLayers`	0 oder eine positive Ganzzahl	Anzahl der Ebenen.
`net.biasConnect`	`numLayer`-mal-1 Boolescher Vektor	Wenn `net.biasConnect(i)` 1 ist, dann hat die Schicht `i` eine Verzerrung, und `net.biases{i}` ist eine Struktur, die diese Verzerrung beschreibt.
`net.inputConnect`	`numLayer`-mal-`numInputs` Boolescher Vektor	Wenn `net.inputConnect(i,j)` 1 ist, dann hat die Schicht `i` ein vom Eingang `j` ausgehendes Gewicht, und `net.inputWeights{i,j}` ist eine Struktur, die dieses Gewicht beschreibt.
`net.layerConnect`	`numLayer`-mal-`numLayers` Boolescher Vektor	Wenn `net.layerConnect(i,j)` 1 ist, dann hat die Schicht `i` ein von der Schicht `j` ausgehendes Gewicht, und `net.layerWeights{i,j}` ist eine Struktur, die dieses Gewicht beschreibt.
`net.outputConnect`	1-mal-`numLayers` Boolescher Vektor	Wenn `net.outputConnect(i)` 1 ist, dann hat das Netz einen von der Schicht `i` ausgehenden Ausgang und `net.outputs{i}` ist eine Struktur, die diesen Ausgang beschreibt.
`net.numOutputs`	0 oder eine positive Ganzzahl (schreibgeschützt)	Anzahl der Netzausgänge gemäß `net.outputConnect`.
`net.numInputDelays`	0 oder eine positive Ganzzahl (schreibgeschützt)	Maximale Eingangsverzögerung nach allen `net.inputWeights{i,j}.delays`.
`net.numLayerDelays`	0 oder eine positive Zahl (schreibgeschützt)	Maximale Schichtverzögerung nach allen `net.layerWeights{i,j}.delays`.

Eigenschaften der Unterobjektstruktur

`net.inputs`	`numInputs`-mal-1 Zellen-Array	`net.inputs{i}` ist eine Struktur, die den Eingang `i` definiert.
`net.layers`	`numLayers`-mal-1 Zellen-Array	`net.layers{i}` ist eine Struktur, die die Schicht `i` definiert.
`net.biases`	`numLayers`-mal-1 Zellen-Array	Wenn `net.biasConnect(i)` 1 ist, dann ist `net.biases{i}` eine Struktur, die die Verzerrung für die Schicht `i` definiert.
`net.inputWeights`	`numLayers`-mal-`numInputs` Zellen-Array	Wenn `net.inputConnect(i,j)` 1 ist, dann ist `net.inputWeights{i,j}` eine Struktur, die die Gewichtung der Schicht `i` durch den Eingang `j` definiert.
`net.layerWeights`	`numLayers`-mal-`numLayers` Zellen-Array	Wenn `net.layerConnect(i,j)` 1 ist, dann ist `net.layerWeights{i,j}` eine Struktur, die die Gewichtung der Schicht `i` durch die Schicht `j` definiert.
`net.outputs`	1-mal-`numLayers` Zellen-Array	Wenn `net.outputConnect(i)` 1 ist, dann ist `net.outputs{i}` eine Struktur, die den Netzausgang aus der Schicht `i` definiert.

Funktionseigenschaften

`net.adaptFcn`	Name einer Netzanpassungsfunktion oder `''`
`net.initFcn`	Name einer Netzinitialisierungsfunktion oder `''`
`net.performFcn`	Name einer Netzleistungsfunktion oder `''`
`net.trainFcn`	Name einer Netztrainingsfunktion oder `''`

Parametereigenschaften

`net.adaptParam`	Netzanpassungsparameter
`net.initParam`	Netzinitialisierungsparameter
`net.performParam`	Netzleistungsparameter
`net.trainParam`	Netztrainingsparameter

Eigenschaften von Gewichtung und Verzerrung

`net.IW`	`numLayers`-mal-`numInputs` Zellen-Array von Eingangsgewichtswerten
`net.LW`	`numLayers`-mal-`numLayers` Zellen-Array von Schichtgewichtswerten
`net.b`	`numLayers`-mal-1-Zellen-Array von Verzerrungswerten

Andere Eigenschaften

net.userdata

Struktur, die Sie zum Speichern nützlicher Werte verwenden können

Beispiele

Erstellen eines Netzes mit einem Eingang und zwei Schichten

Dieses Beispiel zeigt, wie man ein Netz ohne Eingänge und Schichten erstellt und dann die Anzahl der Eingänge und Schichten auf 1 bzw. 2 setzt.

net = network
net.numInputs = 1
net.numLayers = 2

Alternativ dazu können Sie dasselbe Netz auch mit einer Zeile Code erstellen.

net = network(1,2)

Vorwärtsgerichtetes Netz erstellen und Eigenschaften ansehen

Dieses Beispiel zeigt, wie man ein zweischichtiges vorwärtsgerichtetes Netz mit einem Eingang erstellt. Nur die erste Schicht hat eine Verzerrung. Ein Eingangsgewicht verbindet die Schicht 1 mit dem Eingang 1. Ein Schichtgewicht verbindet die Schicht 2 mit Schicht 1. Schicht 2 ist ein Netzausgang und hat ein Ziel.

net = network(1,2,[1;0],[1; 0],[0 0; 1 0],[0 1])

Sie können die Netzunterobjekte mit dem folgenden Code anzeigen.

net.inputs{1}
net.layers{1}, net.layers{2}
net.biases{1}
net.inputWeights{1,1}, net.layerWeights{2,1}
net.outputs{2}

Sie können die Eigenschaften jedes der Netzunterobjekte ändern. Dieser Code ändert die Transferfunktionen der beiden Schichten:

net.layers{1}.transferFcn = 'tansig';
net.layers{2}.transferFcn = 'logsig';

Sie können die Gewichte für die Verbindung vom ersten Eingang zur ersten Schicht wie folgt anzeigen. Die Gewichte für eine Verbindung von einem Eingang zu einer Schicht werden in net.IW gespeichert. Wenn die Werte noch nicht festgelegt sind, ist dieses Ergebnis leer.

net.IW{1,1}

Sie können die Gewichte für die Verbindung von der ersten Schicht zur zweiten Schicht wie folgt anzeigen. Die Gewichte für eine Verbindung von einer Schicht zu einer Schicht werden in net.LW gespeichert. Wenn die Werte noch nicht festgelegt sind, ist das Ergebnis wiederum leer.

net.LW{2,1}

Sie können die Verzerrungswerte für die erste Schicht wie folgt anzeigen.

net.b{1}

Um die Anzahl der Elemente in Eingang 1 auf 2 zu ändern, stellen Sie den Bereich für jedes Element ein:

net.inputs{1}.range = [0 1; -1 1];

Nachdem Sie Ihr Netz trainiert haben, können Sie sim verwenden, um das Netz zu simulieren. Simulieren Sie zum Beispiel das Netz für einen Zwei-Elemente-Eingangsvektor.