matlab神經(jīng)網(wǎng)絡(luò)和程序(3)

1、3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對(duì)象及其屬性本章要點(diǎn)本章要點(diǎn) MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對(duì)象及其屬性 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)子對(duì)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(duì)象 在MATLAB中把定義的神經(jīng)網(wǎng)絡(luò)看作一個(gè)對(duì)象，對(duì)象還包括一些子對(duì)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(duì)象和各子對(duì)象的屬性共同確定了神經(jīng)網(wǎng)絡(luò)對(duì)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(duì)象.屬性例如： net.inputs1.range=0 1;0 1; net.layers1.s

2、ize=3; net.layers1.transferFCn=hardlim3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對(duì)象屬性1結(jié)構(gòu)屬性-結(jié)構(gòu)屬性決定了網(wǎng)絡(luò)子對(duì)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(shí)，結(jié)構(gòu)屬性值一旦發(fā)生變化，網(wǎng)絡(luò)就會(huì)自動(dòng)重新定義，與之相關(guān)的其他屬性值也會(huì)自動(dòng)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(duì)象屬性（2）numLayers屬性： numLayers屬性定義了網(wǎng)絡(luò)的層數(shù)，它可以被設(shè)置

3、為零或正整數(shù)。（3）biasConnect屬性：net.biasConnect屬性定義各個(gè)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(gè)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.layers1.size）。（5）layerConnect屬性 ：net.layerConnect屬性定義一個(gè)網(wǎng)絡(luò)層是否具有來自另外一個(gè)網(wǎng)絡(luò)層的連接權(quán)，其值為 的布爾型向量（0或1）。N 1NNRRNN3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱

4、中的網(wǎng)絡(luò)對(duì)象屬性（）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）。（）outputConnect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）。（）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。 （）numOutputs：該屬性定義了神經(jīng)網(wǎng)絡(luò)輸出矢量的個(gè)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.outputConnect)。1 N1 N1 N3.2 MATLAB

5、神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對(duì)象屬性（）numTargets：該屬性定義了網(wǎng)絡(luò)目標(biāo)矢量的個(gè)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)。 （）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.inputWeightsi,j.delays)中的最大值。（）numLayerDelays：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.layerWeightsi,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(duì)

6、象屬性2函數(shù)屬性-函數(shù)屬性定義了一個(gè)網(wǎng)絡(luò)在進(jìn)行權(quán)值/閾值 調(diào)整、初始化、誤差性能計(jì)算或訓(xùn)練時(shí)采用 的算法。（）adaptFcn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(shí)所采用的函數(shù)，它可以被設(shè)置為任意一個(gè)進(jìn)行權(quán)值/閾值調(diào)整的函數(shù)名，包括trains函數(shù)。（）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(duì)象屬性（）trainFcn屬性：net.trainFcn屬性定義了網(wǎng)絡(luò)用于訓(xùn)練網(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。

7、 （）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(duì)象屬性3參數(shù)屬性（）adaptParam屬性：net.adaptParam屬性定義了網(wǎng)絡(luò)當(dāng)前自適應(yīng)函數(shù)的各參數(shù)，其屬性值為各參數(shù)構(gòu)成的結(jié)構(gòu)體。 （）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。 （）performParam屬性：net.performParam該屬

8、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。 （）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。 3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)對(duì)象屬性4權(quán)值和閾值屬性（）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。（）LW屬性：net.LW定義了從一個(gè)網(wǎng)絡(luò)層到另一個(gè)網(wǎng)絡(luò)層的權(quán)值向量結(jié)構(gòu)。其值為 的細(xì)胞矩陣。 （）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。 NRNNN 13.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的

9、網(wǎng)絡(luò)子對(duì)象屬性 子對(duì)象的屬性定義了網(wǎng)絡(luò)的各個(gè)子對(duì)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（）size屬性： net.inputsi.size定義了網(wǎng)絡(luò)各維輸入向量的元素?cái)?shù)目，可以被設(shè)置為零或正整數(shù)。（）range屬性：net.inputsi.range定義了第維輸入向量中每個(gè)元素的取值范圍，其值是一個(gè) 的矩陣。 （）userdata屬性：net.inputi.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(gè)字段，其值為一提示信息。 R23.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)子對(duì)象屬性2網(wǎng)絡(luò)層（）di

10、mensions屬性：net.Layersi.dimensions屬性定義了每層神經(jīng)元在多維空間中排列時(shí)各維的維數(shù)，其屬性值為一個(gè)行矢量，該矢量中各元素的乘積等于該層神經(jīng)元的個(gè)數(shù)(net.layersi.size)。 （）distanceFcn屬性 ：net.layersi.distanceFcn，該屬性定義了每層神經(jīng)元間距的計(jì)算函數(shù)，其屬性值為表示距離函數(shù)名稱的字符串。 （）distances屬性（只讀）：net.layersi.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.layersi.positions)和距離函數(shù)(ne

11、t.layersi.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(duì)象屬性（）initFcn屬性：net.layersi.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)。（）netInputFcn屬性：InputFcn屬性定義一個(gè)網(wǎng)絡(luò)輸入函數(shù)，以給定的權(quán)值和閾值計(jì)算第 層網(wǎng)絡(luò)的輸入。（）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.layersi.topologyFcn)和神經(jīng)元在各維分布的維數(shù)(net.layersi

12、.dimensions)來確定。（）size屬性：net.layersi.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)。iii3.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)子對(duì)象屬性3輸出向量（）size屬性：net.outputsi.size，該屬性定義了第層網(wǎng)絡(luò)輸出向量中元素的個(gè)數(shù)，其值為第 層網(wǎng)絡(luò)神經(jīng)元的數(shù)目（net.layersi.size）。（）userdata屬性：net.outputsi.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(gè)字段，其值為一提示信息。 ii3.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)子對(duì)

13、象屬性 4目標(biāo)向量（）size屬性：net.targetsi.size，該屬性定義了第 層網(wǎng)絡(luò)目標(biāo)向量中元素的個(gè)數(shù)，其值為第 層網(wǎng)絡(luò)神經(jīng)元的數(shù)目（net.layersi.size）。（）userdata屬性：net.targetsi.userdata，該屬性為用戶提供了增加關(guān)于第 個(gè)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(gè)字段，其值為一提示信息 iii3.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)子對(duì)象屬性 5閾值向量（）initFcn屬性：net.biasesi.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。（）learn屬性：net.biasesi.learn，該屬性定義第 個(gè)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。 （）learnFcn屬性：net.biasesi.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)。 iiii3.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的網(wǎng)絡(luò)子對(duì)象屬性（）learnParam屬性：net.biasesi.learnParam，該屬性定義了第 層網(wǎng)絡(luò)閾值向量