purelin

(Zu entfernen) Lineare Transferfunktion

purelin 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

A = purelin(N)

info = purelin('code')

Beschreibung

A = purelin(N) akzeptiert eine S-mal-Q-Matrix aus Netz-Eingangsvektoren (Spalten), N und gibt eine S-mal-Q-Matrix äquivalent zu N, A aus.

info = purelin('code') gibt nützliche Informationen zu jedem code-Zeichenvektor aus:

• purelin('name') gibt den Namen dieser Funktion aus.

• purelin('output') gibt den Ausgabebereich [min max] aus.

• purelin('active') gibt den aktiven Eingangsbereich [min max] aus.

• purelin('fullderiv') gibt 1 oder 0 aus, je nachdem, ob dA_dN S-mal-S-malQ oder S-malQ ist.

• purelin('fpnames') gibt die Namen der Funktionsparameter aus.

• purelin('fpdefaults') gibt die Standard-Funktionsparameter aus.

Beispiele

Erstellen einer purelin-Transferfunktion und Zuweisung zu einer Schicht des Netzes

Dieses Beispiel zeigt, wie Sie eine purelin-Transferfunktion erstellen und darstellen und einer Schicht i in einem Netz zuweisen können.

Erstellen Sie ein Diagramm der Transferfunktion purelin:

n = -5:0.1:5;
a = purelin(n);
plot(n,a)

Weisen Sie diese Transferfunktion der Schicht i eines Netzes zu.

net.layers{i}.transferFcn = 'purelin';

Eingabeargumente

N — Netzeingänge

Matrix

Netzspalten-Vektoreingänge, angegeben als eine S-mal-Q-Matrix.

Ausgangsargumente

A — Lineare Transferfunktion

Matrix

Lineare Transferfunktion, ausgegeben als eine S-mal-Q-Matrix.

Algorithmen

a = purelin(n) = n

Versionsverlauf

Eingeführt vor R2006a

R2026a: purelin wird zukünftig entfernt.

purelin wird in einer zukünftigen Version entfernt.

Mehr über die Verwendung von Aktivierungs- und Transferfunktionen in neuronalen Netzen erfahren Sie in den folgenden Beispielen und Themen:

• Build Networks with Deep Network Designer

• List of Deep Learning Layers

• List of Functions with dlarray Support

• Compare Activation Layers

• Example Deep Learning Network Architectures

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