神经网络工具箱的结构

最新推荐文章于 2024-08-05 16:45:00 发布

Rosicky10

最新推荐文章于 2024-08-05 16:45:00 发布

阅读量1.7k

点赞数

分类专栏：学习文章标签：网络工具 matlab network 算法 parameters

本文链接：https://blog.youkuaiyun.com/Rosicky10/article/details/497462

版权

学习专栏收录该内容

17 篇文章

订阅专栏

该篇博客介绍了MATLAB神经网络工具箱的结构，强调工具箱基于网络对象，详细阐述了空网络的参数设置，如输入、输出、偏置等，并提到了训练、初始化和执行函数的作用。此外，还提及了如何自定义训练算法和调整训练参数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

翻译:xychn15@yahoo.com.cn

---------------------------------------------------------------------------

神经网络工具箱的结构

工具箱是基于网络对象的。对象包含神经网络的所有信息。在matlab命令提示符下输入network，将建立一个空的网络，同时显示出它的参数。

>> network

ans =

    Neural Network object:

    architecture:

         numInputs: 0
         numLayers: 0
       biasConnect: []
      inputConnect: []
      layerConnect: []
     outputConnect: []
     targetConnect: []

        numOutputs: 0 (read-only)
        numTargets: 0 (read-only)
    numInputDelays: 0 (read-only)
    numLayerDelays: 0 (read-only)

第一个显示的是结构参数。因为 network 命令建立了一个空的网络，所有的参数都被设为0。子对象结构如下:

 
    subobject structures:

            inputs: {0x1 cell} of inputs
            layers: {0x1 cell} of layers
           outputs: {1x0 cell} containing no outputs
           targets: {1x0 cell} containing no targets
            biases: {0x1 cell} containing no biases
      inputWeights: {0x0 cell} containing no input weights
      layerWeights: {0x0 cell} containing no layer weights

子对象结构包含各个输入、输出矩阵，偏置矩阵和输入权值。

    functions:

          adaptFcn: (none)
           initFcn: (none)
        performFcn: (none)
          trainFcn: (none)

下一段十分有意思，包含了训练，初始化和执行函数。trainFcn 和 adaptFcn 本质上讲是一样的，但这个指南中将使用trainFcn. 通过设置trainFcn 的参数来告诉matlab训练使用的算法。神经网络工具箱包含近20种训练算法。执行函数决定神经网络是怎样工作的。initFcn 初始化网络的权值和偏置权值。输入 help nnet.得到这些函数的列表。将这些函数改变到工具箱中的其他函数或者你建立的函数，只要分配函数名就可以了，例如：

net.trainFcn = 'mytrainingfun';
与这些函数相关的参数列在下一节。

    parameters:

        adaptParam: (none)
         initParam: (none)
      performParam: (none)
        trainParam: (none)

通过改变参数，你可以改变函数的默认行为。你将用的最多的参数可能就是trainParam的成员。用的最多的是net.trainParam.epochs ，指定算法的最大训练次数, net.trainParam.show指定算法每个执行表达的训练次数。输入 help train 得到更多信息。权值和偏置权值也存储在网络结构中：

    weight and bias values:

                IW: {0x0 cell} containing no input weight matrices
                LW: {0x0 cell} containing no layer weight matrices
                 b: {0x1 cell} containing no bias vectors

    other:

          userdata: (user stuff)

.IW是一个小数组，存储了输入层和第一隐含层的权值。

.LW存储了隐含层和输出层之间的权值。

---------------------------------------------------------------------------------------