MATLAB神经网络工具箱中的网络对象及属性

end

?

MATLAB神经网络工具箱中的网络对象及属性(二)

函数属性

函数属性定义了一个网络在进行权值/阈值调整、初始化、误差性能计算或训练时采用的算法。

（1）adaptFcn属性

net.adaptFcn属性定义了网络进行权值/阈值调整时所采用的函数，它可以被设置为任意一个进行权值/阈值调整的函数名，包括trains函数。

adapt函数一旦被调用，就可以实现网络权值/阈值的调整： [net, Y, E, Pf, Af]=adapt(NET, P, T, Pi, Ai) 另外，用户可以自定义权值/阈值调整函数。

adaptFcn属性值一旦发生变化，网络的调整参数（net.adaptFcn）将被设置为新的调整函数所包含的参数及其默认参数值。

（2）initFcn属性

net.adaptFcn属性定义了网络初始化权值/阈值向量所采用的函数，它可以被设置为任意一个进行网络权值/阈值初始化的函数名，包括initlay（网络层初始化函数）工具箱函数。

init函数一旦被调用，就可以实现网络权值/阈值的初始化： net=init(net)

init属性值一旦发生变化，网络的初始化参数（net.initParam）将被设置为新的初始化函数所包含的参数及其默认参数值。

（3）performFcn属性

net.performFcn属性定义了网络用于衡量网络性能所采用的函数，它可以被设置为任意一个网络性能函数名。例如：mae---绝对平均误差性能函数（mean absolute error）；mse---均方误差性能函数（mean squared error）；msereg---

归一化均方误差性能函数（mean squared error with regularization）；sse---平方和误差性能函数（sum squared error）。

performFcn属性值一旦发生变化，网络性能参数（net.performParam）将被设置为新的性能函数所包含的参数及其默认值。

（4）trainFcn属性

net.trainFcn属性定义了网络用于训练网络性能所采用的函数，它可以被设置为任意一个训练函数名。

trainbfg---BFGS算法（拟牛顿反向传播算法）训练函数； trainbr---贝叶斯归一化法训练函数；

traincgb---Powell-Beale共轭梯度反向传播算法训练函数； traincgp---Polak-Ribiere变梯度反向传播算法训练函数； traingd---梯度下降反向传播算法训练函数；

traingda---自适应调整学习率的梯度下降反向传播算法训练函数； traingdm---附加动量因子的梯度下降反向传播算法训练函数；

traingdx---自适应调整学习率并附加动量因子的梯度下降反向传播算法训练函数；

trainlm---Levenberg-Marquardt反向传播算法训练函数； trainoss---OSS（one step secant）反向传播算法训练函数； trainrp---RPROP（弹性BP算法）反向传播算法训练函数；

trainscg---SCG（scaled conjugate gradient）反向传播算法训练函数； trainb---以权值/阈值的学习规则采用批处理的方式进行训练的函数； trainc---以学习函数依次对输入样本进行训练的函数； trainr---以学习函数随机对输入样本进行训练的函数。 当调用train函数时，上述训练函数被用于训练网络： [net, tr]=train(NET, P, T, Pi, Ai)

trainFcn的属性值一旦发生变化，网络训练参数（net.trainParam）将被设置为新的训练函数所包含的参数及其默认参数值。

?

MATLAB神经网络工具箱中的网络对象及属性(三)

参数属性

（1）adaptParam属性

net.adaptParam属性定义为当前网络权值/阈值调整函数的参数及参数值，取决于当前的权值/阈值调整函数（net.adaptFcn），可以查看有关调整函数的帮助以获得这些参数及参数值。在MATLAB命令窗口中输入命令：

help(net.adaptFcn)

也可以获得这些参数以及参数值的具体描述。 （2）initParam属性

net.initParam属性定义当前初始化函数的参数及参数值，取决于当前的初始化函数（net.initFcn），可以查看有关初始化函数的帮助获得这些参数及参数值。在MATLAB命令窗口中输入名利：

help(net.initFcn)

也可获得这些参数及参数值的具体描述。 （3）performParam属性

net.performParam属性定义当前函数的参数及参数值，取决于当前的性能函数（net.performFcn），可以查看有关性能函数的帮助获得这些参数以及参数值。在MATLAB命令窗口中输入：

help(net.performFcn) 也可获得这些参数及参数值的具体描述。 （4）trainParam属性

net.trainParam属性定义当前训练函数的参数及参数值，取决于当前的训练函数（net.trainFcn），可以查看有关训练函数的帮助获得这些参数以及参数值。在MATLAB命令窗口中输入命令：

help(net.trainFcn) 也可获得这些参数及参数值的具体描述。

? ? ?

MATLAB神经网络工具箱中的网络对象及属性(四)

2010-05-18 20:33 发表 系统分类：可编程逻辑 自定义分类：Matlab 标签：MATLAB 神经网络 网络对象

权值和阈值属性：

权值和阈值的属性定义了网络的可调整参数：权值向量和阈值向

量。

（1）IW属性

net.IW属性定义了从网络输入向量到网络层的权值向量（即输入层的权值向量）结构。其值为Nl*Ni的细胞矩阵，Nl为网络层数（net.numLayers)，Ni为输入向量数（net.numInputs）。通过访问net.IW{i,j}，可以获得第i个网络层来自第j个输入向量的权值向量值。

（2）LW属性

net.LW定义了从一个网络层到另一个网络层的权值向量结构。其值为Nl*Nl的细胞矩阵，Nl为网络层数（net.numLayers)。通过访问net.LW{i,j}，可以获得第i个网络层来自第j个网络层的权值向量值。

（3）b属性

net.b属性定义各网络层的阈值向量结构。其值Nl*1的细胞矩阵，Nl为网络层（net.numLayers）。通过访问net.b{i}，可以获得第i个网络层的阈值向量值。