3 matlab神經網絡工具箱中的網絡對象及其屬性

1、3 MATLAB神經網絡工具箱中的網絡對象及其屬性,本章要點MATLAB神經網絡工具箱中的網絡對象及其屬性MATLAB神經網絡工具箱中的網絡子對象及其屬性,3.1 MATLAB神經網絡工具箱中的網絡對象,在MATLAB中把定義的神經網絡看作一個對象，對象還包括一些子對象：輸入向量、網絡層、輸出向量、目標向量、權值向量和閾值向量等，這樣網絡對象和各子對象的屬性共同確定了神經網絡對象的特性。網絡屬性除了只讀屬性外，均可以按照約定的格

2、式和屬性的類型進行設置、修改、引用等。引用格式為： 網絡名.[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神經網絡工具箱中的網絡對象屬性,1．結構屬性-結構屬性決定了網絡子

3、對象的數目（包括輸入向量、網絡層向量、輸出向量、目標向量、閾值向量和權值向量的數目）以及它們之間的連接關系。無論何時，結構屬性值一旦發(fā)生變化，網絡就會自動重新定義，與之相關的其他屬性值也會自動更新。（1）numInputs屬性：net.numInputs屬性定義了網絡的輸入源數，它可以被設置為零或正整數。,3.2 MATLAB神經網絡工具箱中的網絡對象屬性,（2）numLayers屬性： numLayers屬性定義了網絡的層數，它可以

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

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

6、onnect屬性：net.outputConnect屬性定義各網絡層是否作為輸出層，其值為 的布爾型向量（0或1）。（８）targetConnect：該屬性定義了神經網絡的目標層，即網絡哪些層的輸出具有目標矢量。其屬性值為 維的布爾量矩陣。 （９）numOutputs：該屬性定義了神經網絡輸出矢量的個數，屬性值為只讀變量，其數值為網絡中輸出層的總數(sum(net.outputConne

7、ct))。,,,,3.2 MATLAB神經網絡工具箱中的網絡對象屬性,（１０）numTargets：該屬性定義了網絡目標矢量的個數，屬性值為只讀變量，其數值為網絡中目標層的總數(sum(net.targetConnect))。 （１１）numInputDelays：該屬性定義了神經網絡的輸入延遲，屬性值為只讀變量，其數值為網絡各輸入層輸入延遲拍數(net.inputWeights{i,j}.delays)中的最大值。（１２）nu

8、mLayerDelays：該屬性定義了神經網絡的層輸出延遲，屬性值為只讀變量，其數值為各層的神經元之間連接延遲拍數(net.layerWeights{i,j}.delays)中的最大值。,3.2 MATLAB神經網絡工具箱中的網絡對象屬性,2．函數屬性-函數屬性定義了一個網絡在進行權值/閾值 調整、初始化、誤差性能計算或訓練時采用 的算法。（１）a

9、daptFcn屬性：net.adaptFcn屬性定義了網絡進行權值/閾值自適應調整時所采用的函數，它可以被設置為任意一個進行權值/閾值調整的函數名，包括trains函數。（２）performFcn屬性net.performFcn屬性定義了網絡用于衡量網絡性能所采用的函數，其屬性值為表示性能函數名稱的字符串。,3.2 MATLAB神經網絡工具箱中的網絡對象屬性,（３）trainFcn屬性：net.trainFcn屬性定義了網絡用于訓練

10、網絡性能所采用的函數，其屬性值為表示訓練函數名稱的字符串。 （４）initFcn屬性：net.adaptFcn屬性定義了網絡初始化權值/閾值向量所采用的函數其屬性值為表示網絡初始化函數名稱的字符串。包括層—層結構的初始化函數initlay，層初始化函數initnw,initwb。,3.2 MATLAB神經網絡工具箱中的網絡對象屬性,3．參數屬性（１）adaptParam屬性：net.adaptParam屬性定義了網絡當前自適應函數的

11、各參數，其屬性值為各參數構成的結構體。 （２）initParam屬性：net.initParam屬性定義了網絡當前初始化函數的各參數，其屬性值為各參數構成的結構體。 （３）performParam屬性：net.performParam該屬性定義了網絡當前性能函數的各參數，其屬性值為各參數構成的結構體。 （４）trainParam屬性：net.trainParam該屬性定義了網絡當前訓練函數的各參數，其屬性值為各參數構成的結構體。,

12、3.2 MATLAB神經網絡工具箱中的網絡對象屬性,4．權值和閾值屬性（１）IW屬性：net.IW屬性定義了從網絡輸入向量到網絡層的權值向量（即輸入層的權值向量）結構。其值為 的細胞矩陣。（２）LW屬性：net.LW定義了從一個網絡層到另一個網絡層的權值向量結構。其值為 的細胞矩陣。 （３）b屬性：net.b屬性定義各網絡層的閾值向量結構。其值為 的細胞矩陣。,,,,3.3 M

13、ATLAB神經網絡工具箱中的網絡子對象屬性,子對象的屬性定義了網絡的各個子對象：輸入向量、網絡層、輸出向量、目標向量、權值向量和閾值向量的屬性。1．輸入向量（１）size屬性： net.inputs{i}.size定義了網絡各維輸入向量的元素數目，可以被設置為零或正整數。（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為用戶提供了關于輸入向量的用戶信息的地方，它預先只定義了一個字段，其值為一提示信息。,,3.3 MATLAB神經網絡工具箱中的網絡子對象屬性,2．網絡層（１）dimensions屬性：net.Layers{i}.dimensions屬性定義了每層神經元在多維空間中排列時各維的維數，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元的個數(net.laye

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

16、rs{i}.distanceFcn)來 確定。,3.3 MATLAB神經網絡工具箱中的網絡子對象屬性,（４）initFcn屬性：net.layers{i}.initFcn，如果網絡初始化函數（net.initFcn）設置為initlay，則該屬性定義為 第 層網絡的初始化函數。（５）netInputFcn屬性：net.layers{i}.netInputFcn屬性定義一個網絡輸入函數，以給定的權值和閾值計算第 層

17、網絡的輸入。（６）positions屬性（只讀）：該屬性定義了每層網絡中各神經元的位置坐標，屬性值為只讀變量，其值由拓撲函數(net.layers{i}.topologyFcn)和神經元在各維分布的維數(net.layers{i}.dimensions)來確定。（７）size屬性：net.layers{i}.size，該屬性定義第 層網絡中的神經元數目，其值可以設置為零或正整數。,,,,3.3 MATLAB神經網絡工具箱中的

18、網絡子對象屬性,3．輸出向量（１）size屬性：net.outputs{i}.size，該屬性定義了第層網絡輸出向量中元素的個數，其值為第 層網絡神經元的數目（net.layers{i}.size）。（２）userdata屬性：net.outputs{i}.userdata，該屬性為用戶提供了增加關于第 層網絡輸出向量的用戶信息的地方，它預先只定義一個字段，其值為一提示信息。,,,3.3 MATLAB神經網絡工具箱中

19、的網絡子對象屬性,4．目標向量（１）size屬性：net.targets{i}.size，該屬性定義了第 層網絡目標向量中元素的個數，其值為第 層網絡神經元的數目（net.layers{i}.size）。（２）userdata屬性：net.targets{i}.userdata，該屬性為用戶提供了增加關于第 個網絡層目標向量的用戶信息的地方，它預先只定義一個字段，其值為一提示信息,,,,3.3 MATLAB神經網

20、絡工具箱中的網絡子對象屬性,5．閾值向量（１）initFcn屬性：net.biases{i}.initFcn，該屬性定義了第 層網絡閾值向量的初始化函數，如果網絡的初始化函數為initlay，則第 層網絡閾值向量的初始化函數的函數為initwb。（２）learn屬性：net.biases{i}.learn，該屬性定義第 個閾值向量在訓練和調整過程中是否變化。其值可以設置為0或1。 （３）learn

21、Fcn屬性：net.biases{i}.learnFcn，如果網絡的訓練函數是trainb、trainc和trainr，或者網絡的調整函數為trains，則該屬性定義第 層網絡閾值向量在訓練和調整學習過程中的學習函數。,,,,,3.3 MATLAB神經網絡工具箱中的網絡子對象屬性,（４）learnParam屬性：net.biases{i}.learnParam，該屬性定義了第 層網絡閾值向量當前學習函數的參數及參數值，

22、其值取決于當前的學習函數（net.biases{i}.learnFcn） （５）size屬性（只讀）：net.biases{i}.size，該屬性定義了第 層網絡閾值向量元素的數目，其值為第 層網絡神經元的數目（net.layers{i}.size)。（６）userdata屬性：net.biases{i}.userdata，該屬性為用戶提供了增加關于第 層網絡閾值的用戶信息的地方，它預先只定義一個字段，其值為