神经网络子对象属性
这些属性定义的详细信息网络的输入层,输出,目标,偏见,和权重。
输入
这些属性定义的详细信息我网络的输入。
net.inputs {1} . name
这个属性包含一个字符串定义输入名字。创建网络功能,如feedforwardnet
,适当地定义这个。但它可以设置为任何字符串。
net.inputs {}。feedbackInput(read only)
如果这个网络是一个开环反馈输出,那么这个属性将指数表明输出。否则这将是一个空矩阵。
net.inputs{我}.processFcns
这个属性定义一行单元阵列处理函数名来使用我网络的输入。前的处理功能应用于输入值网络使用。
副作用。此属性改变时,输入processParams
设置为默认值为给定的处理功能,processSettings
,processedSize
,processedRange
通过应用流程定义函数和参数exampleInput
。
处理函数的列表类型帮助nnprocess
。
net.inputs{我}.processParams
这个属性保存一行单元阵列处理函数的参数使用我网络的输入。处理应用的参数处理函数的输入值在网络使用。
副作用。此属性改变时,输入processSettings
,processedSize
,processedRange
通过应用流程定义函数和参数exampleInput
。
net.inputs {}。processSettings(只读)
这个属性持有行处理函数的单元阵列设置使用我网络的输入。找到处理设置通过应用处理函数和参数exampleInput
然后用来提供一致的结果在网络使用新的输入值。
net.inputs {}。processedRange(read only)
这个属性定义的范围exampleInput
值处理后processingFcns
和processingParams
。
net.inputs {}。processedSize(read only)
这个属性定义的行数exampleInput
值处理后processingFcns
和processingParams
。
net.inputs{我}.range
这个属性定义的每个元素的范围我网络的输入。
它可以设置为任何R我×2矩阵,R我是元素的数量输入(net.inputs{我}.size
),每个元素在列1小于第2列的元素在它旁边。
每一个jth行定义的最小和最大值j输入元素,这个顺序:
net.inputs{我}(j,:)
用途。一些初始化函数使用输入范围找到合适的初始值输入权重矩阵。
副作用。每当在这个属性改变的行数,输入大小
,processedSize
,processedRange
变化保持一致。权重的大小来自这个输入和权重矩阵的尺寸也发生了变化。
net.inputs{我}.size
这个属性定义元素的数量我网络的输入。它可以设置为0或一个正整数。
副作用。此属性改变时,输入范围
,processedRange
,processedSize
更新。任何相关的输入权重相应改变大小。
net.inputs{我}.userdata
这个属性提供一个地方供用户添加自定义信息我网络的输入。
层
这些属性定义的详细信息我网络层。
net.layers{我}. name
这个属性包含一个字符串定义层的名字。创建网络功能,如feedforwardnet
,适当地定义这个。但它可以设置为任何字符串。
net.layers{我}.dimensions
这个属性定义物理的尺寸我层的神经元。能够安排一层的神经元多维的方式对自组织映射很重要。
它可以设置为任何行向量的0或正整数元素,在所有元素的产品变得层(神经元的数量net.layers{我}.size
)。
用途。层维度用于计算层内的神经元的位置(net.layers{我}.positions
)使用层的拓扑函数(net.layers{我}.topologyFcn
)。
副作用。此属性改变时,层的大小(net.layers{我}.size
)变化保持一致。层的神经元的位置(net.layers{我}.positions
)和神经元之间的距离(net.layers{我}.distances
)也更新。
net.layers{我}.distanceFcn
该属性定义了用于计算距离的函数距离
神经元之间的我层的神经元职位
。神经元的距离使用自组织映射。它可以设置为任何距离函数的名称。
为一个功能列表,类型帮助nndistance
。
副作用。此属性改变时,层的神经元之间的距离(net.layers{我}.distances
)更新。
net.layers{我}.distances(read only)
该属性定义了神经元之间的距离我层。使用这些距离自组织映射:
net.layers{我}.distances
它总是设置为应用层的距离函数的结果(net.layers{我}.distanceFcn
)层的神经元的位置(net.layers{我}.positions
)。
net.layers{我}.initFcn
这个属性定义了哪些层的初始化函数用于初始化我层,如果网络初始化函数(net.initFcn
)是initlay
。如果网络初始化设置initlay
所指示的功能,那么此属性用于初始化层的重量和偏见。
net.layers{我}.netInputFcn
这个属性定义的净输入函数用于计算我th层的净输入,考虑到层的加权输入和偏见在模拟和训练。
为一个功能列表,类型帮助nnnetinput
。
net.layers{我}.netInputParam
这个属性定义层的净输入函数的参数。调用帮助
对当前净输入函数得到每个字段的描述:
我帮助(net.layers {} .netInputFcn)
net.layers{我}.positions(read only)
该属性定义了神经元的位置我层。使用这些职位自组织映射。
总是设置为应用拓扑层的函数的结果(net.layers{我}.topologyFcn
)层的位置的尺寸(net.layers{我}.dimensions
)。
策划。使用plotsom
情节的位置一层的神经元。
例如,如果网络的第一层神经元排列尺寸(net.layers {1} .dimensions
5)[4],拓扑函数(net.layers {1} .topologyFcn
)是hextop
神经元的位置可以策划如下:
plotsom (net.layers {1} .positions)
net.layers {}。范围(read only)
该属性定义了每个神经元的输出范围我层。
它被设置为一个年代我×2矩阵,年代我是层(神经元的数量net.layers{我}.size
),每个元素在列1小于第2列的元素在它旁边。
每一个jth行定义了最小和最大输出值层的传递函数net.layers{我}.transferFcn
。
net.layers{我}.size
该属性定义了神经元的数量我层。它可以设置为0或一个正整数。
副作用。每当此属性改变,任何输入权重的大小去层(net.inputWeights{我:}.size
),任何一层一层重量去(net.layerWeights{我:}.size
)或来自层(net.layerWeights{我:}.size
),层的偏见(net.biases{我}.size
),改变。
的尺寸相应的权重矩阵(net.IW{我:}
,net.LW{我:}
,net.LW{:,我}
)和偏见(net.b{我}
)也发生了变化。
改变这个属性也改变层的大小的输出(net.outputs{我}.size
)和目标(net.targets{我}.size
)如果他们存在。
最后,当这个属性改变时,层的神经元的尺寸(net.layers{我}.dimension
)设置为相同的值。(这导致一维安排的神经元。如果需要另一个安排,设置维
直接而不是使用属性大小
。)
net.layers{我}.topologyFcn
这个属性定义的拓扑函数用于计算我th层的神经元的位置(net.layers{我}.positions
)层的尺寸(net.layers{我}.dimensions
)。
为一个功能列表,类型帮助nntopology
。
副作用。此属性改变时,层的神经元的位置(net.layers{我}.positions
)更新。
使用plotsom
情节的位置层神经元。例如,如果网络的第一层神经元排列尺寸(net.layers {1} .dimensions
10[8])和拓扑函数(net.layers {1} .topologyFcn
)是randtop
神经元的位置排列,类似如下图:
plotsom (net.layers {1} .positions)
net.layers{我}.transferFcn
这个函数定义的传输函数用于计算我th层的输出,由于层的净输入,在模拟和训练。
为一个功能列表,类型帮助nntransfer
。
net.layers{我}.transferParam
这个属性定义层的传递函数的参数。调用帮助
在当前的传递函数得到一个描述每个字段是什么意思:
我帮助(net.layers {} .transferFcn)
net.layers{我}.userdata
这个属性提供一个地方供用户添加自定义信息我网络层。
输出
net.outputs{我}. name
这个属性包含一个字符串定义输出的名字。创建网络功能,如feedforwardnet
,适当地定义这个。但它可以设置为任何字符串。
net.outputs{我}.feedbackInput
如果输出实现开环反馈(net.outputs{我}.feedbackMode= 'open'
),那么这个属性表明指数相关的反馈输入,否则它将一个空矩阵。
net.outputs{我}.feedbackDelay
这个属性定义了步伐区别这个输出和网络的输入。Input-to-output网络延迟可以删除和添加removedelay
和adddelay
功能导致这个属性被分别递增或递减。使用输入和输出之间的时间差异preparets
正确格式的模拟和训练数据和使用closeloop
添加正确的数量的延迟关闭一个开环输出时,和openloop
删除延迟开立一个封闭的循环。
net.outputs{我}.feedbackMode
这个属性被设置为字符串“没有”
没有反馈输出。它可以被设置为反馈输出“开放”
或“关闭”
。如果它被设置“开放”
,那么输出将被关联到一个反馈输入,与财产feedbackInput
显示输入的索引。
net.outputs{我}.processFcns
这个属性定义一行单元阵列处理所使用的函数名我th网络输出。前的处理功能应用于目标值网络使用它们,并应用于逆向层输出值作为网络输出值返回。
副作用。当你改变这个属性时,你也会影响以下设置:输出参数processParams
修改默认值指定的处理功能;processSettings
,processedSize
,processedRange
使用应用过程的结果定义函数和参数exampleOutput
;的我层大小被更新以匹配processedSize
。
为一个功能列表,类型帮助nnprocess
。
net.outputs{我}.processParams
这个属性保存一行单元阵列处理函数的参数使用我网络输出目标值。处理应用的参数处理函数的输入值在网络使用。
副作用。此属性改变时,输出processSettings
,processedSize
和processedRange
通过应用流程定义函数和参数exampleOutput
。的我层的大小也更新以匹配processedSize
。
net.outputs {}。processSettings(read only)
这个属性持有行处理函数的单元阵列设置使用我th网络输出。找到处理设置通过应用处理函数和参数exampleOutput
然后用来提供新的目标一致的结果值之前,网络使用。处理设置也应用于逆向层输出值之前返回的网络。
net.outputs {}。processedRange(read only)
这个属性定义的范围exampleOutput
值处理后processingFcns
和processingParams
。
net.outputs {}。processedSize(read only)
这个属性定义的行数exampleOutput
值处理后processingFcns
和processingParams
。
net.outputs{我}.size(read only)
这个属性定义元素的数量我层的输出。总是设置的大小我th层(net.layers{我}.size
)。
net.outputs{我}.userdata
这个属性提供一个地方供用户添加自定义信息我层的输出。
偏见
net.biases{我}.initFcn
该属性定义了初始化函数用于设置重量和偏见我向量(th层的偏见net.b{我}
)如果网络初始化函数initlay
和我层的初始化函数initwb
。
net.biases{我}去了解
这个属性定义的我th偏差向量是在培训和适应改变。它可以设置为0或1。
启用或禁用偏见的学习期间调用适应
和火车
。
net.biases{我}.learnFcn
这个属性定义了哪些学习的功能更新我向量(th层的偏见net.b{我}
)培训期间,如果网络培训功能trainb
,trainc
,或trainr
,或适应期间,如果网络适应函数火车
。
为一个功能列表,类型帮助nnlearn
。
副作用。当这个属性改变,偏见学习参数(net.biases{我}.learnParam
)将包含新功能的字段和默认值。
net.biases{我}.learnParam
这个属性定义了学习参数和值为当前学习的功能我层的偏见。这个属性取决于当前的学习领域的功能。调用帮助
对当前学习函数的描述每个字段是什么意思。
net.biases{我}.size(read only)
这个属性定义的大小我层的偏差向量。总是设置的大小我th层(net.layers{我}.size
)。
net.biases{我}.userdata
这个属性提供一个地方供用户添加自定义信息我层的偏见。
输入重量
net.inputWeights {i, j} .delays
这个属性定义之间的抽头延迟线j输入和它的重量我层。它必须被设置为一个行向量增加价值。元素必须被0或正整数。
副作用。每当此属性改变,体重的大小(net.inputWeights {i, j} .size
)和它的权重矩阵的维度(net.IW {i, j}
)更新。
net.inputWeights {i, j} .initFcn
这个属性定义了哪些重量和偏见的初始化函数用于初始化权重矩阵(net.IW {i, j}
)去我th层的jth输入,如果网络初始化函数initlay
,我层的初始化函数initwb
。这个函数可以设置为任何重量的初始化函数的名称。
net.inputWeights {i, j}。我nitSettings (read only)
这个属性被设置为值用于初始化权重的自动配置过程发生的第一次训练网络时,或者当函数配置
直接被称为网络上。
net.inputWeights {i, j}去了解
这个属性定义是否权重矩阵我th层的jth输入是在培训和适应改变。它可以设置为0或1。
net.inputWeights {i, j} .learnFcn
该属性定义了哪些学习的函数是用于更新权重矩阵(net.IW {i, j}
)去我th层的jth输入训练期间,如果网络培训功能trainb
,trainc
,或trainr
,或适应期间,如果网络适应函数火车
。它可以设置为任何体重学习函数的名称。
为一个功能列表,类型帮助nnlearn
。
net.inputWeights {i, j} .learnParam
这个属性定义了学习参数和值为当前学习的功能我层的重量来自j输入。
这个属性取决于当前的学习领域的功能(net.inputWeights {i, j} .learnFcn
)。评估上述引用的字段当前学习功能。
调用帮助
对当前学习函数的描述每个字段是什么意思。
net.inputWeights {i, j} .size(read only)
这个属性定义的尺寸我层的权重矩阵j网络的输入。总是设置为双元素行向量表示的数量相关的权重矩阵的行和列(net.IW {i, j}
)。第一个元素的大小我th层(net.layers{我}.size
)。第二个元素等于产品重量的长度的延迟向量和的大小jth输入:
长度(net.inputWeights {i, j} .delays) * net.inputs {j} .size
net.inputWeights {i, j} .userdata
这个属性提供了一个用户添加自定义信息(我,j)输入重量。
net.inputWeights {i, j} .weightFcn
这个属性定义,权重函数的应用我层的重量j输入到输入。它可以设置为任何权函数的名称。权函数是用于转换层的输入在模拟和训练。
为一个功能列表,类型帮助nnweight
。
net.inputWeights {i, j} .weightParam
这个属性定义层的净输入函数的参数。调用帮助
对当前净输入函数得到每个字段的描述。
层的重量
net.layerWeights {i, j} .delays
这个属性定义之间的抽头延迟线j层和它的重量我层。它必须被设置为一个行向量增加价值。元素必须被0或正整数。
net.layerWeights {i, j} .initFcn
这个属性定义了哪些重量和偏见的初始化函数用于初始化权重矩阵(net.LW {i, j}
)去我th层的j层,如果网络初始化函数initlay
,我层的初始化函数initwb
。这个函数可以设置为任何重量的初始化函数的名称。
net.layerWeights {i, j}。我nitSettings (read only)
这个属性被设置为值用于初始化权重的自动配置过程发生的第一次训练网络时,或者当函数配置
直接被称为网络上。
net.layerWeights {i, j}去了解
这个属性定义是否权重矩阵我th层的jth层是在培训和适应改变。它可以设置为0或1。
net.layerWeights {i, j} .learnFcn
该属性定义了哪些学习的函数是用于更新权重矩阵(net.LW {i, j}
)去我th层的jth层在训练,如果网络培训功能trainb
,trainc
,或trainr
,或适应期间,如果网络适应函数火车
。它可以设置为任何体重学习函数的名称。
为一个功能列表,类型帮助nnlearn
。
net.layerWeights {i, j} .learnParam
该属性定义了学习参数字段和值为当前学习的功能我层的重量来自j层。这个属性取决于当前的学习领域的功能。调用帮助
对当前净输入函数得到每个字段的描述。
net.layerWeights {i, j}。大小(只读)
这个属性定义的尺寸我层的权重矩阵j层。总是设置为双元素行向量表示的数量相关的权重矩阵的行和列(net.LW {i, j}
)。第一个元素的大小我th层(net.layers{我}.size
)。第二个元素等于产品重量的长度的延迟向量和的大小j层。
net.layerWeights {i, j} .userdata
这个属性提供了一个用户添加自定义信息(我,j)层的重量。
net.layerWeights {i, j} .weightFcn
这个属性定义,权重函数的应用我层的重量jth层与层的输出。它可以设置为任何权函数的名称。权函数是用于转换层的输入,当网络模拟。
为一个功能列表,类型帮助nnweight
。
net.layerWeights {i, j} .weightParam
这个属性定义层的净输入函数的参数。调用帮助
对当前净输入函数得到每个字段的描述。