Main Content

feedforwardnet

Generar una red neuronal prealimentada

Descripción

ejemplo

net = feedforwardnet(hiddenSizes,trainFcn) devuelve una red neuronal prealimentada, en la que el tamaño de la capa oculta es de hiddenSizes, y una función de entrenamiento, especificada por trainFcn.

Las redes prealimentadas están compuestas por una serie de capas. La primera capa tiene una conexión desde la entrada de red. Cada una de las capas posteriores contiene una conexión desde la capa anterior. Las últimas capas producen la salida de la red.

Puede utilizar redes prealimentadas para cualquier tipo de aplicación de entrada a salida. Una red prealimentada con una capa oculta y un número suficiente de neuronas en las capas ocultas puede adaptarse a cualquier problema de aplicación de entrada a salida.

Las versiones especializadas de la red prealimentada incluyen redes de ajuste y redes de reconocimiento de patrones. Para obtener más información, consulte las funciones fitnet y patternnet.

Una variedad de red prealimentada es la red prealimentada en cascada, la cual contiene conexiones adicionales desde la entrada a cada una de las capas, y de cada una de las capas a la capa inmediatamente posterior. Para obtener más información sobre las redes prealimentadas en cascada, consulte la función cascadeforwardnet.

Ejemplos

contraer todo

Este ejemplo muestra cómo usar una red neuronal prealimentada para resolver un problema sencillo.

Cargue los datos de entrenamiento.

[x,t] = simplefit_dataset;

La matriz de 1 por 94 x contiene los valores de entrada, y la matriz de 1 por 94 t contiene los valores de salida objetivo asociados.

Cree una red prealimentada en la que el tamaño de la capa oculta sea 10.

net = feedforwardnet(10);

Entrene la red net usando los datos de entrenamiento.

net = train(net,x,t);

{"String":"Figure Neural Network Training (24-Jul-2022 21:33:23) contains an object of type uigridlayout.","Tex":[],"LaTex":[]}

Visualice la red entrenada.

view(net)

Estime los objetivos usando la red entrenada.

y = net(x);

Evalúe el rendimiento de la red entrenada. La función de rendimiento predeterminada es el error cuadrático medio.

perf = perform(net,y,t)
perf = 1.4639e-04

Argumentos de entrada

contraer todo

Tamaño de las capas ocultas de la red, especificado como un vector fila. La longitud del vector determina el número de capas ocultas de la red.

Ejemplo: Por ejemplo, puede especificar una red con 3 capas ocultas, en la que el tamaño de la primera capa oculta es 10, el de la segunda es 8 y el de la tercera es 5, de la siguiente manera: [10,8,5]

Los tamaños de entrada y salida se establecen en cero. El software ajusta los tamaños durante el entrenamiento, de acuerdo con los datos de entrenamiento.

Tipos de datos: single | double

Nombre de la función de entrenamiento, especificado como una de las siguientes opciones.

Función de entrenamientoAlgoritmo
'trainlm'

Levenberg-Marquardt

'trainbr'

Regularización bayesiana

'trainbfg'

BFGS quasi-Newton

'trainrp'

Retropropagación resiliente

'trainscg'

Gradiente conjugado escalado

'traincgb'

Gradiente conjugado con reinicios de Powell/Beale

'traincgf'

Gradiente conjugado de Fletcher-Powell

'traincgp'

Gradiente conjugado de Polak-Ribiére

'trainoss'

Secante de un paso

'traingdx'

Gradiente descendente de tasa de aprendizaje variable

'traingdm'

Gradiente descendente con momento

'traingd'

Gradiente descendente

Ejemplo: Por ejemplo, puede establecer el algoritmo de gradiente descendente de tasa de aprendizaje variable como el algoritmo de entrenamiento, de esta manera: 'traingdx'

Para obtener más información sobre las funciones de entrenamiento, consulte Train and Apply Multilayer Shallow Neural Networks y Choose a Multilayer Neural Network Training Function.

Tipos de datos: char

Argumentos de salida

contraer todo

Red neuronal prealimentada, devuelta como un objeto network.

Historial de versiones

Introducido en R2010b