MATLAB神经网络工具箱中的函数属性及其参数定义

N1
3.3 MATLAB神经网络工具箱中的网 络子对象属性
子对象的属性定义了网络的各个子对象：输入向量、 网络层、输出向量、目标向量、权值向量和阈值向量的属 性。 1．输入向量 （１）size属性： net.inputs{i}.size定义了网络各维输入向量 的元素数目，可以被设置为零或正整数。 （２）range属性：net.inputs{i}.range定义了第维输入向量中 每个元素的取值范围，其值是一个 的矩阵。 R2 （３）userdata属性：net.input{i}.userdata和erdata 为用 户提供了关于输入向量的用户信息的地方，它预先只定义 了一个字段，其值为一提示信息。
N N
3.2 MATLAB神经网络工具箱中的网络对 象属性
（６）targetConnect属性：net.targetConnect定义各网络层是 否和目标向量有关，其值为 的布尔型向量（0或1）。 1 N （７）outputConnect属性：net.outputConnect 属性定义各网 络层是否作为输出层，其值为 的布尔型向量（0或 1）。 1 N （８）targetConnect：该属性定义了神经网络的目标层，即 网络哪些层的输出具有目标矢量。其属性值为 维的 布尔量矩阵。 1 N （９）numOutputs：该属性定义了神经网络输出矢量的个数， 属性值为只读变量，其数值为网络中输出层的总数 (sum(net.outputConnect))。
3.2 MATLAB神经网络工具箱中的网络对 象属性
1．结构属性-结构属性决定了网络子对象的数目（包括
输入向量、网络层向量、输出向量、目标向量、阈值 向量和权值向量的数目）以及它们之间的连接关系。 无论何时，结构属性值一旦发生变化，网络就会自动 重新定义，与之相关的其他属性值也会自动更新。 （1）numInputs属性：net.numInputs属性定义了网络的 输入源数，它可以被设置为零或正整数。
3.2 MATLAB神经网络工具箱中的网 络对象属性
（３）trainFcn属性：net.trainFcn属性定义了网络用于训练网 络性能所采用的函数，其属性值为表示训练函数名称的字 符串。 （４）initFcn属性：net.adaptFcn属性定义了网络初始化权值 /阈值向量所采用的函数其属性值为表示网络初始化函数 名称的字符串。包括层—层结构的初始化函数initlay，层 初始化函数initnw,initwb。
3.3 MATLAB神经网络工具箱中的网 络子对象属性
4．目标向量 （１）size属性：net.targets{i}.size，该属性定义了第 层网 络目标向量中元素的个数，其值为第 层网络神经元的数 i 目（yers{i}.size）。 i （２）userdata属性：net.targets{i}.userdata，该属性为用户 提供了增加关于第 个网络层目标向量的用户信息的地方， 它预先只定义一个字段，其值为一提示信息 i
3.3 MATLAB神经网络工具箱中的网 络子对象属性
3．输出向量 （１）size属性：net.outputs{i}.size，该属性定义了第层网络 输出向量中元素的个数，其值为第 层网络神经元的数目 （yers{i}.size）。 i （２）userdata属性：net.outputs{i}.userdata，该属性为用户 提供了增加关于第 层网络输出向量的用户信息的地方， 它预先只定义一个字段，其值为一提示信息。 i
3.2 MATLAB神经网络工具箱中的网络对 象属性
（2）numLayers属性： numLayers属性定义了网络的层数， 它可以被设置为零或正整数。 （3）biasConnect属性：net.biasConnect属性定义各个网络层 是否具有阈值向量，其值为布尔型向量 （0或1）， 为 网络层数（net.numLayers） N1 N （4）inputConnect 属性：net.inputConnect属性定义各网络层 是否具有来自个输入向量的连接权，其值为 布尔型向 量（0或1）， 为网络输入向量维数（yers{1}.size N R ）。 R （5）layerConnect属性 ：yerConnect 属性定义一个网络 层是否具有来自另外一个网络层的连接权，其值为 的布尔型向量（0或1）。
3.2 MATLAB神经网络工具箱中的网络对 象属性
（１０）numTargets：该属性定义了网络目标矢量的个数， 属性值为只读变量，其数值为网络中目标层的总数 (sum(net.targetConnect))。 （１１）numInputDelays：该属性定义了神经网络的输入延 迟，属性值为只读变量，其数值为网络各输入层输入延迟 拍数(net.inputWeights{i,j}.delays)中的最大值。 （１２）numLayerDelays：该属性定义了神经网络的层输出 延迟，属性值为只读变量，其数值为各层的神经元之间连 接延迟拍数(yerWeights{i,j}.delays)中的最大值。
3.2 MATLAB神经网络工具箱中的网 络对象属性
4．权值和阈值属性 （１）IW属性：net.IW属性定义了从网络输入向量到网络层 的权值向量（即输入层的权值向量）结构。其值为 的细胞矩阵。 （２）LW属性： N R net.LW定义了从一个网络层到另一个网络层 的权值向量结构。其值为 的细胞矩阵。 N N （３）b属性：net.b属性定义各网络层的阈值向量结构。其 值为 的细胞矩阵。
3.2 MATLAቤተ መጻሕፍቲ ባይዱ神经网络工具箱中的网 络对象属性
3．参数属性 （１）adaptParam属性：net.adaptParam属性定义了网络当 前自适应函数的各参数，其属性值为各参数构成的结构体。 （２）initParam属性：net.initParam属性定义了网络当前初始 化函数的各参数，其属性值为各参数构成的结构体。 （３）performParam属性：net.performParam该属性定义了 网络当前性能函数的各参数，其属性值为各参数构成的结 构体。 （４）trainParam属性：net.trainParam该属性定义了网络当 前训练函数的各参数，其属性值为各参数构成的结构体。
3.3 MATLAB神经网络工具箱中的网 络子对象属性
（４）initFcn属性：yers{i}.initFcn，如果网络初始化函 数（net.initFcn）设置为initlay，则该属性定义为 第 层 网络的初始化函数。 i （５）netInputFcn 属性：yers{i}.netInputFcn属性定义一 个网络输入函数，以给定的权值和阈值计算第 层网络的 输入。 i （６）positions属性（只读）：该属性定义了每层网络中各 神经元的位置坐标，属性值为只读变量，其值由拓扑函数 (yers{i}.topologyFcn)和神经元在各维分布的维数 (yers{i}.dimensions)来确定。 （７）size属性：yers{i}.size，该属性定义第 层网络中 的神经元数目，其值可以设置为零或正整数。 i
MATLAB神经网络工具箱中的函数及 其属性解释
3.1 MATLAB神经网络工具箱中的网络对 象
在MATLAB中把定义的神经网络看作一个对象，对象还 包括一些子对象：输入向量、网络层、输出向量、目标向 量、权值向量和阈值向量等，这样网络对象和各子对象的 属性共同确定了神经网络对象的特性。网络属性除了只读 属性外，均可以按照约定的格式和属性的类型进行设置、 修改、引用等。引用格式为： 网络名.[子对象].属性 例如： net.inputs{1}.range=[0 1;0 1]; yers{1}.size=3; yers{1}.transferFCn=’hardlim’
3.2 MATLAB神经网络工具箱中的网 络对象属性
2．函数属性-函数属性定义了一个网络在进行权值/阈值 调整、初始化、误差性能计算或训练时采用 的算法。 （１）adaptFcn属性：net.adaptFcn属性定义了网络进行权值 /阈值自适应调整时所采用的函数，它可以被设置为任意 一个进行权值/阈值调整的函数名，包括trains函数。 （２）performFcn属性 net.performFcn属性定义了网络用于衡量网络性能所采用的函 数，其属性值为表示性能函数名称的字符串。
3.3 MATLAB神经网络工具箱中的网 络子对象属性
2．网络层 （１）dimensions属性：yers{i}.dimensions属性定义了 每层神经元在多维空间中排列时各维的维数，其属性值为 一个行矢量，该矢量中各元素的乘积等于该层神经元的个 数(yers{i}.size)。 （２）distanceFcn属性 ：yers{i}.distanceFcn，该属性定 义了每层神经元间距的计算函数，其属性值为表示距离函 数名称的字符串。 （３）distances属性（只读）：yers{i}.disances，该属性 定义了每层网络中各神经元之间的距离，属性值为只读变 量，其数值由神经元的位置坐标(yers{i}.positions)和 距离函数(yers{i}.distanceFcn)来 确定。
3.3 MATLAB神经网络工具箱中的网 络子对象属性
5．阈值向量 （１）initFcn属性：net.biases{i}.initFcn，该属性定义了第 层网络阈值向量的初始化函数，如果网络的初始化函 i 数为initlay，则第 层网络阈值向量的初始化函数的 i 函数为initwb。 （２）learn属性：net.biases{i}.learn，该属性定义第 i 个 阈值向量在训练和调整过程中是否变化。其值可以设 置为0或1。 （３）learnFcn属性：net.biases{i}.learnFcn，如果网络的 训练函数是trainb、trainc和trainr，或者网络的调整函 i 层网络阈值向量在训练 数为trains，则该属性定义第 和调整学习过程中的学习函数。
3.3 MATLAB神经网络工具箱中的网 络子对象属性