Функции инициализации, адаптации и обучения

Перечисленные ниже свойства объекта net включают перечень функций, которые
используются для инициализации, адаптации и обучения нейронной сети.

initFcn initcon | initlay | initnw | initnwb | initzero

Функции инициализации. Это свойство определяет, какая функция инициализации initFcn будет использована для задания начальных матриц весов и векторов смещений при вызове метода init для всей сети. При изменении этого свойства параметры функции инициализации initParam будут использовать значения, соответствующие новой функции.
Пользователь может расширить список применяемых функций инициализации.

initParam параметры функции инициализации

Параметры функции инициализации. Это свойство определяет набор параметров для используемой функции инициализации. Узнать набор таких параметров можно, применив оператор help в следующей функциональной форме:

help(net.initFcn).

adaptFcn adaptwb | trains

Функции адаптации. Это свойство определяет, какая функция адаптации adaptFcn будет использована при вызове метода adapt. При изменении этого свойства параметры функции адаптации adaptParam будут использовать значения, соответствующие новой функции. Пользователь может расширить список применяемых функций адаптации.

adaptParam параметры функции адаптации

Параметры функции адаптации. Это свойство определяет набор параметров для используемой функции адаптации. Узнать набор таких параметров можно, применяя оператор help в следующей функциональной форме:

help(net.adaptFcn).

trainFcn trainb | trainbfg | traingbr |trainc | traincgb | traincgf | traincgp |traingd |traingda | traingdm | traingdx | trainlm | trainoss | trainr | trainrp | trainscg

Функции обучения. Это свойство определяет, какая функция обучения trainFcn будет использована при вызове метода train. При изменении этого свойства параметры функции обучения trainParam будут использовать значения, соответствующие новой функции. Пользователь может расширить список используемых функций обучения.

trainParam параметры функции обучения

Параметры функции обучения. Это свойство определяет набор параметров для используемой функции обучения. Узнать набор таких параметров можно, применяя оператор help в следующей функциональной форме:

help(net.trainFcn).

performFcn mae | mse | msereg | sse

Функции оценки качества обучения. Это свойство определяет, какая функция оценки качества обучения performFcn будет использована при вызове метода train. При изменении этого свойства параметры функции оценки качества обучения performParam будут использовать значения, соответствующие новой функции. Пользователь может расширить список применяемых функций оценки качества обучения.

trainParam параметры функции оценки качестваобучения

Параметры функции оценки качества обучения. Это свойство определяет набор параметров для используемой функции оценки качестваобучения. Узнать набор таких параметров можно, применив оператор help в следующей функциональной форме:

help(net.performFcn).

Описание элементов сети

Эти свойства задаются с помощью массивов ячеек, которые включают структуры
для описания входов, слоев, выходов, целей, смещений и весов.

Описание входов

Ниже приведено описание полей структуры, которая используется для описания
каждого входа сети net.inputs{i}.

inputs массив ячеек

Описатель входов сети. Массив ячеек размера N_i´1, где N_i – число входов сети, равное numInputs, состоящий из ячеек inputs{i}, каждая из которых является массивом записей для описания i-го входа сети.

range массив значений

Допустимый диапазон значений для элементов векторов входа. Это свойство определяет границы допустимых значений для элементов каждого вектора входа сети и является числовым массивом размера Ri´2, где Ri – число элементов i-го вектора входа равное значению поля inputs{i}.size. Это свойство используется некоторыми функциями инициализации сети, чтобы вычислить начальные значения для матриц весов входа. При изменении числа строк массива range будут автоматически изменяться параметры inputs{i}.size, inputWeights{:, i}.size, а также размер матриц весов входа IW{:, i}.

size количество элементов

Количество элементов вектора входа. Это свойство определяет количество элементов для каждого вектора входа inputs{i} и может принимать только неотрицательные значения
(по умолчанию 0). При изменении значения этого свойства будут автоматически изменяться параметр inputWeights{:, i}.size, а также размеры матриц inputs{i}.range и IW{:, i}.

userdata массив записей

Поле для записи информации пользователя. Это свойство обеспечивает место для записи информации, относящейся к входу i сети. Предусмотрено только одно поле inputs{i}.userdata.note для записи текста. По умолчанию оно содержит строку 'Put your custom input information here.' – "Информацию разместите здесь".

Описание слоев

Ниже приведено описание полей структуры, которая используется для описания
каждого слоя нейронной сети net.layers{i}.

layers массив ячеек

Описатель слоев нейронной сети. Массив ячеек размера N_l´1, где N_l – число слоев сети, равное numLayers, состоящий из ячеек layers{i}, каждая из которых является массивом записей для описания i-го слоя сети.

dimensions вектор распределения по размерностям

Распределение нейронов по размерностям слоя. Это свойство позволяет описывать
многомерные слои нейронов реальных геометрических размерностей: 1-, 2-, 3-мерные. Многомерный слой размерности numdim может быть задан вектор-строкой, элементы которой указывают число нейронов по каждой размерности, тогда их произведение будет определять общее количество нейронов в многомерном слое layers{i}.size. Знание этого свойства необходимо для определения положений нейронов layers{i}.positions, если известна функция топологии слоя layers{i}.topologyFcn. При изменении значения этого свойства будут автоматически изменяться параметр layers{i}.size, а также положения
нейронов layers{i}.positions и расстояния между ними layers{i}.distances.

distanceFcn boxdist | dist | linkdist | mandist

Функция оценки расстояния между нейронами. Свойство layers{i}.distanceFcn задает функцию, которая используется для вычисления расстояния между нейронами в слое i. При замене функции будут автоматически пересчитаны значения расстояний между нейронами слоя layers{i}.distances. Пользователь может расширить список применяемых функций оценки расстояния.

distances значение расстояний (только для чтения)

Расстояния между нейронами. Cвойство layers{i}.distances определяет расстояния между нейронами в i-м слое. Их значения зависят от используемой функции оценки расстояния layers{i}.distanceFcn.

initFcn initnw | initwb

Функция инициализации слоя. Это свойство определяет, какая функция инициализации layers{i}.initFcn применяется для слоя i. Если свойство net.initFcn имеет значение initlay, то будет применяться указанная функция инициализации слоя при вызове функции net =
= init(net). Пользователь может расширить список применяемых функций инициализации.

netInputFcn netprod | netsum

Функция накопления. Это свойство определяет, какая функция накопления layers{i}.netInputFcn применяется для слоя i. Пользователь может расширить список применяемых функций накопления.

positions положения нейронов (только для чтения)

Размещение нейронов в слое. Это свойство определяет положения нейронов layers{i}.positions в i-м слое. Их значения зависят от используемой функции топологии многомерного слоя layers{i}.topologyFcn и его размера layers{i}.dimensions. Для построения графика расположения нейронов в многомерном слое рекомендуется использовать М-функцию plotsom.

Пример:

Если первый двумерный слой нейронной сети net имеет вектор распределения по размер­нос­тям net.layers{1}.dimensions, равный [4 5], а функция топологии слоя net.layers{1}.topologyFcn – hextop, то нейроны этого слоя будут расположены, как показано на рис. 10.1.

plotsom(net.layers{1}.positions)

Рис. 10.1

size количество элементов

Количество нейронов в слое. Это свойство определяет количество нейронов в слое layers{i}.size и может принимать только неотрицательные значения (по умолчанию 0). При изменении значения этого свойства будут автоматически изменяться параметры inputWeights{i, :}.size, layerWeights{i, :}.size, biases{i}.size, а также размеры матриц весов IW{i, :}, LW{i, :}, LW{:, i} и смещений b{i}. Кроме того, изменяются параметры outputs{i}.size и targets{i}.size, если для нейронной сети заданы выходы и цели. Наконец, при изменении этого свойства изменяется параметр размера нейронного слоя layers{i}.dimensions, которому присваивается значение свойства layers{i}.size. Это приводит к тому, что слой i преобразуется в одномерный; если необходимо сохранить многомерную структуру слоя, то следует изменить значения элементов вектора layers{i}.dimensions.

topologyFcn gridtop | hextop | randtop

Функция задания топологии слоя. Это свойство определяет функцию, которая используется для вычисления положений нейронов layers{i}.positions в слое i. При замене функции эти положения будут пересчитаны автоматически. Пользователь может расширить список применяемых функций задания топологии.

Пример:

Если первый двумерный слой нейронной сети net имеет вектор распределения по размерностям net.layers{1}.dimensions, равный [8 10], а функция топологии слоя net.layers{1}.topologyFcn – randtop, то расположение нейронов этого слоя будет таким, как показано на рис. 10.2

plotsom(net.layers{1}.positions)

Рис. 10.2

transferFcn compet | hardlim | hardlims | logsig | poslin | purelin | radbas | satlin | satlins | softmax | tansig | tribas

Функция активации слоя. Это свойство определяет функцию активации layers{i}.transferFcn, которая используется для задания нейрона в слое i. Пользователь может расширить список применяемых функций активации.

userdata массив записей

Поле для записи информации пользователя. Это свойство обеспечивает место для записи информации, относящейся к слою i нейронной сети. Предусмотрено только одно поле inputs{i}.userdata.note для записи текста. По умолчанию оно содержит строку 'Put your custom input information here.' – "Информацию разместите здесь".

Описание выходов

Перечисленные ниже свойства объекта net включают перечень функций, которые
используются для описания выходов нейронной сети.

outputs массив ячеек

Описатель выходов сети. Массив ячеек размера N_l´1, где N_l – число слоев сети numLayers, состоящий из ячеек outputs{i}, каждая из которых является массивом записей для описания выходов, которые заданы вектором связностиoutputConnect(i).

size количество элементов (только для чтения)

Количество элементов вектора выхода. Это свойство определяет количество элементов для каждого вектора выхода outputs{i} и может принимать только неотрицательные значения (по умолчанию 0). Его значение всегда совпадает со значением параметра layers{i}.size.

userdata массив записей

Поле для записи информации пользователя. Это свойство обеспечивает место для записи информации, относящейся к выходу слоя i сети. Предусмотрено только одно поле outputs{i}.userdata.note для записи текста. По умолчанию оно содержит строку 'Put your custom input information here.' – "Информацию разместите здесь".

Описание целей

Перечисленные ниже свойства объекта net включают перечень функций, которые
используются для инициализации, адаптации и обучения нейронной сети.

targets массив ячеек

Описатель целевых выходов сети. Массив ячеек размера N_l´1, где N_l – число слоев сети numLayers, состоящий из ячеек targets {i}, каждая из которых является массивом записей для описания целевых выходов, которые определяются вектором связностиtargetConnect(i).

size количество элементов (только для чтения)

Количество элементов вектора целей. Это свойство определяет количество элементов для каждого целевого вектора целей targets{i} и может принимать только неотрицательные значения (по умолчанию 0). Его значение всегда совпадает со значением параметра layers{i}.size.

userdata массив записей

Поле для записи информации пользователя. Это свойство обеспечивает место для записи информации, относящейся к целевому выходу слоя i сети. Предусмотрено только одно поле targets{i}.userdata.note для записи текста. По умолчанию оно содержит строку
'Put your custom input information here.' – "Информацию разместите здесь".

Описание смещений

Перечисленные ниже свойства объекта net включают перечень функций, которые
используются для описания смещений в нейронной сети.

biases массив ячеек

Описатель векторов смещений. Массив ячеек размера N_l´1, где N_l – число слоев сети numLayers, состоящий из ячеек biases{i}, каждая из которых является массивом записей для описания вектора смещений для слоя i. Наличие или отсутствие такого вектора для слоя i определяется вектором связностиbiasConnect(i).

initFcn initcon | initzero | rands

Функция инициализации вектора смещений. Это свойство определяет, какая функция инициализации biases{i}.initFcn применяется при вызове функции init для вычисления начального вектора смещения слоя i при условии, что свойство net.initFcn имеет значение initlay, а функция инициализации слоя layers{i}.initFcn имеет значение initwb. Пользователь может расширить список применяемых функций инициализации.

learn признак настройки

Признак настройки вектора смещений. Свойство biases{i}.learn указывает, будет ли вектор
смещений для слоя i настраиваться с использованием методов adapt или train соответственно. Значение этого свойства 0 или 1, по умолчанию 0, что соответствует методу адаптации.

learnFcn learncon | learngd | learngdm | learnp | learnpn | learnwh

Функция настройки вектора смещений. Это свойство определяет, какая функция biases{i}.learnFcn применяется при настройке вектора смещений для слоя i при адаптации или обучении с использованием функций adaptwb и trainwb или trainwb1 соответственно. Пользователь может расширить список применяемых функций настройки. При таких
изменениях параметры функции настройки biases{i}.learnParam будут использовать значения, соответствующие новой функции.

learnParam параметры функции настройки

Параметры функции настройки. Свойство biases{i}.learnParam определяет набор параметров для используемой функции настройки biases{i}.learnFcn. Узнать набор таких
параметров можно, применяя оператор help в следующей функциональной форме:

help(net.biases{i}.learnFcn).

size количество элементов (только для чтения)

Количество элементов вектора смещений. Это свойство определяет количество элементов для каждого вектора смещений biases{i} и может принимать только неотрицательные значения (по умолчанию 0). Его значение всегда совпадает со значением параметра layers{i}.size.

userdata массив записей

Поле для записи информации пользователя. Это свойство обеспечивает место для записи информации, относящейся к вектору смещений слоя i сети. Предусмотрено только одно поле biases{i}.userdata.note для записи текста. По умолчанию оно содержит строку 'Put your custom input information here.' – "Информацию разместите здесь".

Описание весов входа

Перечисленные ниже свойства объекта net включают перечень функций, которые используются для описания весов входа.

inputWeights массив ячеек

Описатель весов входа. Массив размера N_l´N_i, где N_l – число слоев numLayers и N_i – число входов numInputs объекта net, состоящий из ячеек inputWeights{i, j}. Каждая ячейка является массивом записей и служит для описания свойств весов, которые формируют матрицу весов. Последняя определяет веса связей слоя i с входом j сети и согласуется
с матрицей связности inputConnect(i, j).

delays индикатор линий задержки

Описание линий задержки. Свойство inputWeights{i, j}.delays определяет наличие линий задержки между входом j и слоем i. Это вектор-строка, элемент которого либо равен 0, либо значению задержки (положительное целое число), причем эти значения могут только возрастать. Длина этого вектора определяет количество задержанных векторов входа.
При изменении значения этого свойства автоматически изменяется параметр inputWeights{i, j}.size и размер матрицы весов IW{i, j}.

initFcn initzero | midpoint | randnc | randnr | rands

Функция инициализации матрицы весов. Это свойство определяет, какая функция инициализации inputWeights{i, j}.initFcn применяется при вызове метода init для вычисления матрицы весов от входа j к слою i при условии, что свойство net.initFcn имеет значение initlay, а функция инициализации слоя layers{i}.initFcn имеет значение initwb. Пользователь может расширить список применяемых функций инициализации.

learn индикатор настройки

Индикатор настройки матрицы весов. Свойство inputWeights{i, j}.learn указывает, будет ли матрица весов для слоя i настраиваться в процессе адаптации или обучения при использовании методов adapt или train соответственно. Значение этого свойства 0 или 1, по умолчанию 0.

learnFcn learngd | learngdm | learnh | learnhd | learnis | learnk | learnlv1 | learnlv2| learnos | learnp | learnpn | learnsom | learnwh

Функции настройки матриц весов. Это свойство определяет, какая функция inputWeights{i,j}.learnFcn применяется при настройке матрицы весов для слоя i при адаптации или обучении с использованием функций adaptwb и trainwb или trainwb1 соответственно. Пользователь может расширить список применяемых функций настройки.

learnParam параметры функции настройки

Параметры функции настройки. Свойство biases{i}.learnParam определяет набор параметров для используемой функции настройки inputWeights{i,j}.learnParam. Узнать набор таких параметров можно, применяя оператор help в следующей функциональной форме:

help(net.inputWeights{i,j}.learnFcn).

weightFcn dist | dotprod | mandist | negdist | normprod

Функции для применения матриц весов. Это свойство определяет, какая функция inputWeights{i,j}.weightFcn применяется для вычисления взвешенных входов для слоя. Пользователь может расширить список таких функций.

size размер матрицы весов (только для чтения)

Размер матрицы весов. Свойство inputWeights{i, j}.size определяет размер матрицы
весов, связывающей слой i со входом j. Это вектор-строка, в которой указано число строк и столбцов матрицы весов IW; первый параметр совпадает с размером слоя layers{i}.size, второй соответствует величине

length(net.inputWeights{i, j}.delays) * net.inputs{j}.size.

userdata массив записей

Поле для записи информации пользователя. Это свойство обеспечивает место для записи информации, относящейся к матрице весов слоя i сети. Предусмотрено только одно поле inputWeights{i,j}.userdata.note для записи текста. По умолчанию оно содержит строку
'Put your custom input information here.' – "Информацию разместите здесь".

Описание весов слоя

Перечисленные ниже свойства объекта net включают перечень функций, которые
используются для описания весов слоя нейронной сети.

layerWeights массив ячеек

Описатель весов слоя. Массив размера N_l´ N_l, где N_l – число слоев numLayers объекта net, состоящий из ячеек layerWeights{i, j}. Каждая ячейка является массивом записей и служит для описания свойств весов, которые формируют матрицу весов. Последняя определяет веса связей слоя i со слоем j сети и согласуется с матрицей связности layerConnect(i, j).

delays индикатор линий задержки

Описание линий задержки. Свойство layerWeights{i, j}.delays определяет наличие линий задержки между слоем j и слоем i. Это вектор-строка, элемент которого либо равен 0, либо значению задержки (положительное целое число), причем эти значения могут только возрастать. Длина этого вектора определяет количество задержанных векторов, поступающих на слой i.

initFcn initzero | midpoint | randnc | randnr | rands

Функция инициализации матрицы весов. Это свойство определяет, какая функция инициализации layerWeights{i, j}.initFcn применяется при вызове метода init для вычисления матрицы весов LW, связывающей слой i со слоем j при условии, что свойство net.initFcn имеет значение initlay, а функция инициализации слоя layers{i}.initFcn имеет значение initwb. Пользователь может расширить список применяемых функций инициализации.

learn индикатор настройки

Индикатор настройки матрицы весов. Свойство layerWeights{i, j}.learn указывает, будет ли матрица весов для слоя i настраиваться в процессе адаптации или обучения при использовании методов adapt или train соответственно. Значение этого свойства 0 или 1, по умолчанию 0.

learnFcn learngd | learngdm | learnh | learnhd | learnis | learnk | learnlv1 | learnlv2| learnos | learnp | learnpn | learnsom | learnwh

Функции настройки матриц весов. Это свойство определяет, какая функция inputWeights{i,j}.learnFcn применяется при настройке матрицы весов, связывающей слой i со слоем j, при адаптации или обучении с использованием функций adaptwb и trainwb или trainwb1 соответственно. Пользователь может расширить список применяемых функций настройки.

learnParam параметры функции настройки

Параметры функции настройки. Свойство biases{i}.learnParam определяет набор параметров для используемой функции настройки layerWeights{i, j}.learnParam. Узнать набор таких параметров можно, применяя оператор help в следующей функциональной форме:

help(net.layerWeights{i,j}.learnFcn).

weightFcn dist | dotprod | mandist | negdist | normprod

Функции для применения матриц весов. Это свойство определяет, какая функция layerWeights{i, j}.weightFcn применяется при работе с матрицей весов, связывающей слой i со слоем j, в частности при моделировании нейронной сети с использованием метода sim. Пользователь может расширить список таких функций.

size размер матрицы весов (только для чтения)

Размер матрицы весов. Свойство inputWeights{i, j}.size определяет размер матрицы весов, связывающей слой i со слоем j. Это вектор-строка, в которой указано число строк и столбцов матрицы весов LW; первый параметр совпадает с размером слоя layers{i}.size, второй соответствует величине

length(net.layerWeights{i, j}.delays) * net.layers{j}.size.

userdata массив записей

Поле для записи информации пользователя. Это свойство обеспечивает место для записи информации, относящейся к матрице весов слоя i сети. Предусмотрено только одно поле layerWeights{i,j}.userdata.note для записи текста. По умолчанию оно содержит строку
'Put your custom input information here.' – "Информацию разместите здесь".

Не нашли, что искали? Воспользуйтесь поиском по сайту: