MATLAB神经网络工具箱中的函数属性及其参数定义
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（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。
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。
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：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。
（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。
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
（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）
。
（７）outputConnect属性：net.outputConnect属性定义各网
络层是否作为输出层，其值为
3.2 MATLAB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。
（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}ologyFcn)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。
（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） 。
（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
（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。
3.2 MATLAB神经网络工具箱中的网 络对象属性
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）
MATLAB神经网络工具 箱中的函数属性及其参
数定义
2020/9/7
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。
3.3 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}.siห้องสมุดไป่ตู้e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。
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。
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）。
（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。
（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。
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
的布尔型向量（0或1
）。
（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。
（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))。
3.3 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。
（５）netInputFcn属性：yers{i}InputFcn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 。
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 目（yers{i}.size）。
（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
（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
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。
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
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 数为initlay，则第 层网络阈值向量的初始化函数的 函数为initwb。 （２）learn属性：net.biases{i}.learn，该属性定义第 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 数为trains，则该属性定义第 层网络阈值向量在训练 和调整学习过程中的学习函数。
（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。
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。
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：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。
（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。
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
（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）
。
（７）outputConnect属性：net.outputConnect属性定义各网
络层是否作为输出层，其值为
3.2 MATLAB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。
（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}ologyFcn)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。
（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） 。
（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
（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。
3.2 MATLAB神经网络工具箱中的网 络对象属性
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）
MATLAB神经网络工具 箱中的函数属性及其参
数定义
2020/9/7
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。
3.3 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}.siห้องสมุดไป่ตู้e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。
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。
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）。
（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。
（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。
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
的布尔型向量（0或1
）。
（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。
（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))。
3.3 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。
（５）netInputFcn属性：yers{i}InputFcn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 。
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 目（yers{i}.size）。
（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
（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
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。
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
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 数为initlay，则第 层网络阈值向量的初始化函数的 函数为initwb。 （２）learn属性：net.biases{i}.learn，该属性定义第 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 数为trains，则该属性定义第 层网络阈值向量在训练 和调整学习过程中的学习函数。