网络
创建自定义神经网络
语法
网络
net = network(numInputs,numLayers,biasConnect,inputConnect,layerConnect,outputConnect)
寻求帮助
类型帮助网络/网络
。
描述
网络
创建新的自定义网络。它用于创建网络,然后由函数定制,如feedforwardnet
和narxnet
。
网络
没有参数返回一个没有输入、层或输出的新的神经网络。
net = network(numInputs,numLayers,biasConnect,inputConnect,layerConnect,outputConnect)
接受以下可选参数(显示为默认值):
numInputs |
输入的数量,0 |
numLayers |
层数,0 |
biasConnect |
|
inputConnect |
|
layerConnect |
|
outputConnect |
1 - |
并返回
网 |
具有给定属性值的新网络 |
属性
体系结构属性
net.numInputs |
0或正整数 |
输入数量。 |
net.numLayers |
0或正整数 |
层数。 |
net.biasConnect |
|
如果 |
net.inputConnect |
|
如果 |
net.layerConnect |
|
如果 |
net.numInputs |
0或正整数 |
输入数量。 |
net.numLayers |
0或正整数 |
层数。 |
net.biasConnect |
|
如果 |
net.inputConnect |
|
如果 |
net.layerConnect |
|
如果 |
net.outputConnect |
1 - |
如果 |
net.numOutputs |
0或正整数(只读) |
网络输出数按 |
net.numInputDelays |
0或正整数(只读) |
根据所有的最大输入延迟 |
net.numLayerDelays |
0或正数(只读) |
根据所有的最大层延迟 |
子对象结构属性
net.inputs |
|
|
net.layers |
|
|
net.biases |
|
如果 |
net.inputWeights |
|
如果 |
net.layerWeights |
|
如果 |
net.outputs |
1 - |
如果 |
函数属性
net.adaptFcn |
网络适配函数名称或 |
net.initFcn |
网络初始化函数的名称或 |
net.performFcn |
网络性能函数名称或 |
net.trainFcn |
网络培训功能名称或 |
参数属性
net.adaptParam |
网络适配参数 |
net.initParam |
网络初始化参数 |
net.performParam |
网络性能参数 |
net.trainParam |
网络训练参数 |
权重和偏置值属性
网信息战 |
|
网LW |
|
net.b |
|
其他属性
net.userdata |
结构,可以用来存储有用的值 |
例子
创建一个输入两层的网络
这个例子展示了如何创建一个没有任何输入和层的网络,然后将其输入和层的数量分别设置为1和2。
Net =网络。numInputs = 1 net。numLayers = 2
或者,您也可以用一行代码创建相同的网络。
Net =网络(1,2)
创建前馈网络并查看属性
这个例子展示了如何创建一个单输入、两层、前馈网络。只有第一层有偏差。输入权重从输入1连接到第1层。一个层权重从层1连接到层2。Layer 2是一个网络输出,它有一个目标。
Net = network(1,2,[1;0],[1;0], [0 0;1 0],[0 1])
您可以使用以下代码查看网络子对象。
net.inputs{1} net.layers{1}, net.layers{2} net.biases{1} net.inputWeights{1,1}, net.layerWeights{2,1} net.outputs{2}
您可以更改任何网络子对象的属性。这段代码改变了两层的传递函数:
net.layers{1}。transferFcn =“tansig”;net.layers{2}。transferFcn =“logsig”;
您可以如下所示查看从第一个输入到第一个层的连接的权重。从输入到层的连接权重存储在网信息战
。如果尚未设置值,则这些结果为空。
网信息战{1,1}
您可以如下所示查看从第一层到第二层的连接的权重。从一个层到另一个层的连接权重存储在其中网LW
。同样,如果尚未设置值,则结果为空。
网LW{2,1}
您可以查看第一层的偏置值如下。
net.b {1}
要改变输入1到2中的元素数量,设置每个元素的范围:
net.inputs{1}。Range = [0 1;1 1];
为了模拟一个两元素输入向量的网络,代码可能是这样的:
P = [0.5;-0.1);Y = sim(净,p)