network

Crear una red neuronal superficial personalizada

Sintaxis

net = network net = network(numInputs,numLayers,biasConnect,inputConnect,layerConnect,outputConnect)

Para obtener ayuda

Escriba help network/network.

Sugerencia

Para aprender a crear una red de deep learning, consulte Specify Layers of Convolutional Neural Network.

Descripción

network crea nuevas redes personalizadas. Se usa para crear redes que, después, serán personalizadas por funciones como feedforwardnet y narxnet.

net = network sin argumentos devuelve una red neuronal sin entradas, capas ni salidas.

net = network(numInputs,numLayers,biasConnect,inputConnect,layerConnect,outputConnect) toma estos argumentos opcionales (mostrados con valores predeterminados):

`numInputs`	Número de entradas, 0
`numLayers`	Número de capas, 0
`biasConnect`	Vector booleano de `numLayers` por 1, ceros
`inputConnect`	Matriz booleana de `numLayers` por `numInputs`, ceros
`layerConnect`	Matriz booleana de `numLayers` por `numLayers`, ceros
`outputConnect`	Vector booleano de 1 por `numLayers`, ceros

y devuelve

net

Nueva red con los valores de propiedad dados

Propiedades

Propiedades de arquitectura

`net.numInputs`	0 o un entero positivo	Número de entradas.
`net.numLayers`	0 o un entero positivo	Número de capas.
`net.biasConnect`	Vector booleano de `numLayer` por 1	Si `net.biasConnect(i)` es 1, la capa `i` tiene un sesgo, y `net.biases{i}` es una estructura que describe ese sesgo.
`net.inputConnect`	Vector booleano de `numLayer` por `numInputs`	Si `net.inputConnect(i,j)` es 1, la capa `i` tiene un peso proveniente de la entrada `j`, y `net.inputWeights{i,j}` es una estructura que define ese peso.
`net.layerConnect`	Vector booleano de `numLayer` por `numLayers`	Si `net.layerConnect(i,j)` es 1, la capa `i` tiene un peso proveniente de la capa `j`, y `net.layerWeights{i,j}` es una estructura que define ese peso.
`net.outputConnect`	Vector booleano de 1 por `numLayers`	Si `net.outputConnect(i)` es 1, la red tiene una salida derivada de la capa `i`, y `net.outputs{i}` es una estructura que describe esa salida.
`net.numOutputs`	0 o un entero positivo (solo lectura)	Número de salidas de red de acuerdo con `net.outputConnect`.
`net.numInputDelays`	0 o un entero positivo (solo lectura)	Retraso máximo de la entrada de acuerdo con todos los `net.inputWeights{i,j}.delays`.
`net.numLayerDelays`	0 o un número positivo (solo lectura)	Retraso máximo de la capa de acuerdo con todos los `net.layerWeights{i,j}.delays`.

Propiedades de estructura de subobjetos

`net.inputs`	Arreglo de celdas de `numInputs` por 1	`net.inputs{i}` es una estructura que define la entrada `i`.
`net.layers`	Arreglo de celdas de `numLayers` por 1	`net.layers{i}` es una estructura que define la capa `i`.
`net.biases`	Arreglo de celdas de `numLayers` por 1	Si `net.biasConnect(i)` es 1, `net.biases{i}` es una estructura que define el sesgo de la capa `i`.
`net.inputWeights`	Arreglo de celdas de `numLayers` por `numInputs`	Si `net.inputConnect(i,j)` es 1, `net.inputWeights{i,j}` es una estructura que define el peso a la capa `i` de la entrada `j`.
`net.layerWeights`	Arreglo de celdas de `numLayers` por `numLayers`	Si `net.layerConnect(i,j)` es 1, `net.layerWeights{i,j}` es una estructura que define el peso a la capa `i` de la capa `j`.
`net.outputs`	Arreglo de celdas de 1 por `numLayers`	Si `net.outputConnect(i)` es 1, `net.outputs{i}` es una estructura que define la salida de la red de la capa `i`.

Propiedades de función

`net.adaptFcn`	Nombre de una función de adaptación de la red o `''`
`net.initFcn`	Nombre de una función de inicialización de la red o `''`
`net.performFcn`	Nombre de una función de rendimiento de la red o `''`
`net.trainFcn`	Nombre de una función de entrenamiento de la red o `''`

Propiedades de parámetros

`net.adaptParam`	Parámetros de adaptación de red
`net.initParam`	Parámetros de inicialización de red
`net.performParam`	Parámetros de rendimiento de red
`net.trainParam`	Parámetro de entrenamiento de red

Propiedades de los valores de pesos y sesgos

`net.IW`	Arreglo de celdas de valores de pesos de entrada de `numLayers` por `numInputs`
`net.LW`	Arreglo de celdas de pesos de capa de `numLayers` por `numLayers`
`net.b`	Arreglo de celdas de valores de sesgo de `numLayers` por 1

Otras propiedades

net.userdata

Estructura que puede usar para almacenar valores útiles

Ejemplos

Crear una red con una entrada y dos capas

Este ejemplo muestra cómo crear una red sin entradas ni capas y cómo establecer sus números de entradas y capas en 1 y 2, respectivamente.

net = network
net.numInputs = 1
net.numLayers = 2

También puede crear la misma red con una línea de código.

net = network(1,2)

Crear redes prealimentadas y ver propiedades

Este ejemplo muestra cómo crear una red prealimentada de dos capas y una entrada. Solo la primera capa tiene un sesgo. Un peso de entrada se conecta a la capa 1 desde la entrada 1. Un peso de capa se conecta a la capa 2 desde la capa 1. La capa 2 es una salida de red y tiene un objetivo.

net = network(1,2,[1;0],[1; 0],[0 0; 1 0],[0 1])

Puede ver los subobjetos de la red con el siguiente código.

net.inputs{1}
net.layers{1}, net.layers{2}
net.biases{1}
net.inputWeights{1,1}, net.layerWeights{2,1}
net.outputs{2}

Puede modificar las propiedades de cualquiera de los subobjetos de la red. Este código cambia las funciones de transferencia de ambas capas:

net.layers{1}.transferFcn = 'tansig';
net.layers{2}.transferFcn = 'logsig';

Puede ver los pesos de la conexión desde la primera entrada a la primera capa de la siguiente manera. Los pesos de una conexión desde una entrada a una capa se almacenan en net.IW. Si no se han establecido los valores todavía, los resultados estarán vacíos.

net.IW{1,1}

Puede ver los pesos de la conexión desde la primera capa a la segunda capa de la siguiente manera. Los pesos de una conexión desde una capa a una capa se almacenan en net.LW. De nuevo, si no se han establecido los valores todavía, los resultados estarán vacíos.

net.LW{2,1}

Puede ver los valores de sesgo de la primera capa de la siguiente manera.

net.b{1}

Para cambiar el número de elementos de la entrada 1 a 2, establezca el intervalo de cada elemento:

net.inputs{1}.range = [0 1; -1 1];

Para simular la red de un vector de entrada de dos elementos, el código podría ser similar al siguiente:

p = [0.5; -0.1];
y = sim(net,p)

Historial de versiones

Introducido antes de R2006a

Consulte también

sim