Biblioteca de bloques de Simulink de redes neuronales

El producto Deep Learning Toolbox™ proporciona un conjunto de bloques que puede utilizar para crear redes neuronales usando Simulink^®, o que la función gensim puede utilizar para generar la versión de Simulink de cualquier red que haya creado usando MATLAB^®.

Para abrir la biblioteca de bloques de Deep Learning Toolbox, en la ventana de comandos de MATLAB, escriba:

neural

Este comando abre una ventana de biblioteca que contiene cinco bloques. Cada uno de estos bloques contiene bloques adicionales.

Bloques de funciones de transferencia

Haga doble clic en el bloque Transfer Functions en la ventana de la biblioteca Neural para abrir una ventana que contiene varios bloques de funciones de transferencia.

Cada uno de estos bloques toma un vector de entrada combinado y genera un vector de salida correspondiente cuyas dimensiones son las mismas que el vector de entrada.

Bloques de entrada combinada

Haga doble clic en el bloque Net Input Functions en la ventana de la biblioteca Neural para abrir una ventana que contiene dos bloques de funciones de entrada combinada.

Cada uno de estos bloques toma cualquier número de vectores de entrada ponderados, vectores de salida de capa ponderada y vectores de sesgo, y devuelve un vector de entrada combinado.

Bloques de pesos

Haga doble clic en el bloque Weight Functions en la ventana de la biblioteca Neural para abrir una ventana que contiene tres bloques de funciones de peso.

Cada uno de estos bloques toma un vector de peso de neurona y lo aplica a un vector de entrada (o un vector de salida de capa) para obtener un valor de entrada ponderado para una neurona.

Con estos bloques se espera que el vector de peso de neurona sea un vector columna. Esto se debe a que las señales de Simulink pueden ser vectores columna, pero no pueden ser matrices ni vectores fila.

Como resultado de esta limitación, para implementar una matriz de pesos que vaya a una capa con S neuronas, debe crear S bloques de funciones de peso (uno para cada fila).

Esto contrasta con los otros dos tipos de bloques. Para cada capa solo se requiere una función de entrada combinada y un bloque de funciones de transferencia.

Bloques de procesamiento

Haga doble clic en el bloque Processing Functions en la ventana de la biblioteca Neural para abrir una ventana que contiene bloques de procesamiento y sus correspondientes bloques de procesamiento inverso.

Puede utilizar cada uno de estos bloques para preprocesar entradas y posprocesar salidas.