complexReluLayer

Capa de unidad lineal rectificada (ReLU) compleja

Desde R2025a

Descripción

Una capa ReLU compleja realiza una operación de umbral en las partes reales e imaginarias de la entrada, donde cualquier valor menor que cero se establece en cero.

Creación

Sintaxis

layer = complexReluLayer

layer = complexReluLayer(Name=name)

Descripción

layer = complexReluLayer crea una capa ReLU compleja.

layer = complexReluLayer(Name=name) también establece la propiedad opcional Name usando un argumento nombre-valor.

Propiedades

Name — Nombre de la capa

'' (predeterminado) | vector de caracteres | escalar de cadena

Nombre de la capa, especificado como un vector de caracteres o un escalar de cadena. Para entradas de arreglos Layer, las funciones trainnet y dlnetwork asignan automáticamente nombres a las capas sin nombre.

El objeto ComplexReLULayer almacena esta propiedad como un vector de caracteres.

Tipos de datos: char | string

NumInputs — Número de entradas

Solo lectura: 1 (predeterminado)

Esta propiedad o parámetro es de solo lectura.

Número de entradas a la capa, almacenado como 1. Esta capa solo admite una entrada.

Tipos de datos: double

InputNames — Nombres de las entradas

Solo lectura: {'in'} (predeterminado)

Esta propiedad o parámetro es de solo lectura.

Nombres de entrada, almacenados como {'in'}. Esta capa solo admite una entrada.

Tipos de datos: cell

NumOutputs — Número de salidas

Solo lectura: 1 (predeterminado)

Esta propiedad o parámetro es de solo lectura.

Número de salidas de la capa, almacenado como 1. Esta capa solo tiene una salida.

Tipos de datos: double

OutputNames — Nombres de salida

Solo lectura: {'out'} (predeterminado)

Esta propiedad o parámetro es de solo lectura.

Nombres de salida, almacenados como {'out'}. Esta capa solo tiene una salida.

Tipos de datos: cell

Ejemplos

Crear una capa ReLU compleja

Cree una capa ReLU compleja.

layer = complexReluLayer

layer = 
  ComplexReLULayer with properties:

    Name: ''

   Learnable Parameters
    No properties.

   State Parameters
    No properties.

  Show all properties

Algoritmos

ReLU compleja

Una capa ReLU compleja realiza una operación de umbral en las partes reales e imaginarias de la entrada, donde cualquier valor menor que cero se establece en cero.

La operación ReLU compleja es una operación elemento por elemento y no cambia el tamaño de los datos de entrada. Para cada elemento de la entrada, el elemento de salida correspondiente es

$$f\left(a+ib\right)=\max (a,0)+i\max (b,0).$$

Formatos de entrada y salida de capa

Las capas en un arreglo de capas o en una gráfica de capas pasan datos a las capas posteriores como objetos dlarray con formato. El formato de un objeto dlarray es una cadena de caracteres, en la que cada carácter describe la dimensión correspondiente de los datos. El formato consta de uno o más de estos caracteres:

• "S": espacial

• "C": canal

• "B": lote

• "T": tiempo

• "U": sin especificar

Por ejemplo, puede describir los datos de imagen 2D que están representados como arreglo 4D, donde las dos primeras dimensiones corresponden a las dimensiones espaciales de las imágenes, la tercera dimensión corresponde a los canales de las imágenes y la cuarta dimensión corresponde a la dimensión de lote, como datos con formato "SSCB" (espacial, espacial, canal, lote).

Los objetos ComplexReLULayer aplican una operación elemento por elemento y admiten datos de entrada de cualquier formato. La capa no agrega ni elimina ninguna dimensión, por lo que genera datos con el mismo formato que sus datos de entrada.

Números complejos

Los objetos ComplexReLULayer admiten entradas y salidas de valores complejos. La capa aplica la misma operación subyacente a la entrada de valores complejos como lo hace en las entradas de valores reales y genera como salida los datos de valores complejos en cualquier caso.

Historial de versiones

Introducido en R2025a

Consulte también

complexToRealLayer | realToComplexLayer | reluLayer | trainnet | trainingOptions | dlnetwork

Temas

• Crear una red neuronal de deep learning sencilla para clasificación
• Entrenar una red neuronal convolucional para regresión
• Deep learning en MATLAB
• Compare Activation Layers
• Lista de capas de deep learning