3 matlab神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對象及其屬性

1、3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對象及其屬性,本章要點MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對象及其屬性MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)子對象及其屬性,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、目標(biāo)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，均可以按照約定的格

2、式和屬性的類型進(jìn)行設(shè)置、修改、引用等。引用格式為： 網(wǎng)絡(luò)名.[子對象].屬性例如： net.inputs{1}.range=[0 1;0 1]; net.layers{1}.size=3; net.layers{1}.transferFCn=’hardlim’,3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對象屬性,1．結(jié)構(gòu)屬性-結(jié)構(gòu)屬性決定了網(wǎng)絡(luò)子

3、對象的數(shù)目（包括輸入向量、網(wǎng)絡(luò)層向量、輸出向量、目標(biāo)向量、閾值向量和權(quán)值向量的數(shù)目）以及它們之間的連接關(guān)系。無論何時，結(jié)構(gòu)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。（1）numInputs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,（2）numLayers屬性： numLayers屬性定義了網(wǎng)絡(luò)的層數(shù)，它可以

4、被設(shè)置為零或正整數(shù)。（3）biasConnect屬性：net.biasConnect屬性定義各個網(wǎng)絡(luò)層是否具有閾值向量，其值為布爾型向量 （0或1）， 為網(wǎng)絡(luò)層數(shù)（net.numLayers） （4）inputConnect屬性：net.inputConnect屬性定義各網(wǎng)絡(luò)層是否具有來自個輸入向量的連接權(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.layers{1}.s

5、ize）。（5）layerConnect屬性 ：net.layerConnect屬性定義一個網(wǎng)絡(luò)層是否具有來自另外一個網(wǎng)絡(luò)層的連接權(quán)，其值為 的布爾型向量（0或1）。,,,,,,3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對象屬性,（６）targetConnect屬性：net.targetConnect定義各網(wǎng)絡(luò)層是否和目標(biāo)向量有關(guān)，其值為 的布爾型向量（0或1）。（７）outputC

6、onnect屬性：net.outputConnect屬性定義各網(wǎng)絡(luò)層是否作為輸出層，其值為 的布爾型向量（0或1）。（８）targetConnect：該屬性定義了神經(jīng)網(wǎng)絡(luò)的目標(biāo)層，即網(wǎng)絡(luò)哪些層的輸出具有目標(biāo)矢量。其屬性值為 維的布爾量矩陣。 （９）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.outputConne

7、ct))。,,,,3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對象屬性,（１０）numTargets：該屬性定義了網(wǎng)絡(luò)目標(biāo)矢量的個數(shù)，屬性值為只讀變量，其數(shù)值為網(wǎng)絡(luò)中目標(biāo)層的總數(shù)(sum(net.targetConnect))。 （１１）numInputDelays：該屬性定義了神經(jīng)網(wǎng)絡(luò)的輸入延遲，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.inputWeights{i,j}.delays)中的最大值。（１２）nu

8、mLayerDelays：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)元之間連接延遲拍數(shù)(net.layerWeights{i,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(jìn)行權(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。（１）a

9、daptFcn屬性：net.adaptFcn屬性定義了網(wǎng)絡(luò)進(jìn)行權(quán)值/閾值自適應(yīng)調(diào)整時所采用的函數(shù)，它可以被設(shè)置為任意一個進(jìn)行權(quán)值/閾值調(diào)整的函數(shù)名，包括trains函數(shù)。（２）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)名稱的字符串。,3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對象屬性,（３）trainFcn屬性：net.trainFcn屬性定義了網(wǎng)絡(luò)用于訓(xùn)練

10、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)名稱的字符串。 （４）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)名稱的字符串。包括層—層結(jié)構(gòu)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)對象屬性,3．參數(shù)屬性（１）adaptParam屬性：net.adaptParam屬性定義了網(wǎng)絡(luò)當(dāng)前自適應(yīng)函數(shù)的

11、各參數(shù)，其屬性值為各參數(shù)構(gòu)成的結(jié)構(gòu)體。 （２）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)成的結(jié)構(gòu)體。 （３）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)成的結(jié)構(gòu)體。 （４）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)成的結(jié)構(gòu)體。,

12、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（１）IW屬性：net.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）結(jié)構(gòu)。其值為 的細(xì)胞矩陣。（２）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)值向量結(jié)構(gòu)。其值為 的細(xì)胞矩陣。 （３）b屬性：net.b屬性定義各網(wǎng)絡(luò)層的閾值向量結(jié)構(gòu)。其值為 的細(xì)胞矩陣。,,,,3.3 M

13、ATLAB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、目標(biāo)向量、權(quán)值向量和閾值向量的屬性。1．輸入向量（１）size屬性： net.inputs{i}.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)。（２）range屬性：net.inputs{i}.range定義了第維輸入向量中每個元素的取值范圍，其值是一個 的矩陣。 （３）userdat

14、a屬性：net.input{i}.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。,,3.3 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（１）dimensions屬性：net.Layers{i}.dimensions屬性定義了每層神經(jīng)元在多維空間中排列時各維的維數(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.laye

15、rs{i}.size)。 （２）distanceFcn屬性 ：net.layers{i}.distanceFcn，該屬性定義了每層神經(jīng)元間距的計算函數(shù)，其屬性值為表示距離函數(shù)名稱的字符串。 （３）distances屬性（只讀）：net.layers{i}.disances，該屬性定義了每層網(wǎng)絡(luò)中各神經(jīng)元之間的距離，屬性值為只讀變量，其數(shù)值由神經(jīng)元的位置坐標(biāo)(net.layers{i}.positions)和距離函數(shù)(net.laye

16、rs{i}.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,（４）initFcn屬性：net.layers{i}.initFcn，如果網(wǎng)絡(luò)初始化函數(shù)（net.initFcn）設(shè)置為initlay，則該屬性定義為 第 層網(wǎng)絡(luò)的初始化函數(shù)。（５）netInputFcn屬性：net.layers{i}.netInputFcn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

17、網(wǎng)絡(luò)的輸入。（６）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?fù)浜瘮?shù)(net.layers{i}.topologyFcn)和神經(jīng)元在各維分布的維數(shù)(net.layers{i}.dimensions)來確定。（７）size屬性：net.layers{i}.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)。,,,,3.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的

18、網(wǎng)絡(luò)子對象屬性,3．輸出向量（１）size屬性：net.outputs{i}.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)元的數(shù)目（net.layers{i}.size）。（２）userdata屬性：net.outputs{i}.userdata，該屬性為用戶提供了增加關(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。,,,3.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中

19、的網(wǎng)絡(luò)子對象屬性,4．目標(biāo)向量（１）size屬性：net.targets{i}.size，該屬性定義了第 層網(wǎng)絡(luò)目標(biāo)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.layers{i}.size）。（２）userdata屬性：net.targets{i}.userdata，該屬性為用戶提供了增加關(guān)于第 個網(wǎng)絡(luò)層目標(biāo)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,,,,3.3 MATLAB神經(jīng)網(wǎng)

20、絡(luò)工具箱中的網(wǎng)絡(luò)子對象屬性,5．閾值向量（１）initFcn屬性：net.biases{i}.initFcn，該屬性定義了第 層網(wǎng)絡(luò)閾值向量的初始化函數(shù)，如果網(wǎng)絡(luò)的初始化函數(shù)為initlay，則第 層網(wǎng)絡(luò)閾值向量的初始化函數(shù)的函數(shù)為initwb。（２）learn屬性：net.biases{i}.learn，該屬性定義第 個閾值向量在訓(xùn)練和調(diào)整過程中是否變化。其值可以設(shè)置為0或1。 （３）learn

21、Fcn屬性：net.biases{i}.learnFcn，如果網(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，則該屬性定義第 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)。,,,,,3.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)子對象屬性,（４）learnParam屬性：net.biases{i}.learnParam，該屬性定義了第 層網(wǎng)絡(luò)閾值向量當(dāng)前學(xué)習(xí)函數(shù)的參數(shù)及參數(shù)值，

22、其值取決于當(dāng)前的學(xué)習(xí)函數(shù)（net.biases{i}.learnFcn） （５）size屬性（只讀）：net.biases{i}.size，該屬性定義了第 層網(wǎng)絡(luò)閾值向量元素的數(shù)目，其值為第 層網(wǎng)絡(luò)神經(jīng)元的數(shù)目（net.layers{i}.size)。（６）userdata屬性：net.biases{i}.userdata，該屬性為用戶提供了增加關(guān)于第 層網(wǎng)絡(luò)閾值的用戶信息的地方，它預(yù)先只定義一個字段，其值為