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 dlnetwork.

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];

Tras entrenar la red, puede utilizar sim para simular la red. Por ejemplo, simule la red para un vector de entrada de dos elementos.

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

Historial de versiones

Introducido antes de R2006a

Consulte también

sim