network

浅層カスタムニューラルネットワークの作成

構文

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

ヘルプの表示

help network/network と入力します。

ヒント

深層学習ネットワークを作成する方法については、dlnetwork を参照してください。

説明

network は、新しいカスタムネットワークを作成します。これは、feedforwardnet、narxnet などの関数によってカスタマイズされるネットワークの作成に使用されます。

引数なしの net = network は、入力、層、出力のない新しいニューラルネットワークを返します。

net = network(numInputs,numLayers,biasConnect,inputConnect,layerConnect,outputConnect) は、次のオプションの引数を取ります (既定値と共に示します)。

`numInputs`	入力の数 (0)
`numLayers`	層の数 (0)
`biasConnect`	`numLayers` 行 1 列のブールベクトル (ゼロベクトル)
`inputConnect`	`numLayers` 行 `numInputs` 列のブール行列 (ゼロ行列)
`layerConnect`	`numLayers` 行 `numLayers` 列のブール行列 (ゼロ行列)
`outputConnect`	1 行 `numLayers` 列のブールベクトル (ゼロベクトル)

これは、以下を返します。

net

プロパティ値が指定された新しいネットワーク

プロパティ

アーキテクチャのプロパティ

`net.numInputs`	0 または正の整数	入力の数。
`net.numLayers`	0 または正の整数	層の数。
`net.biasConnect`	`numLayer` 行 1 列のブールベクトル	`net.biasConnect(i)` が 1 の場合、層 `i` にはバイアスがあり、`net.biases{i}` はそのバイアスを記述する構造体です。
`net.inputConnect`	`numLayer` 行 `numInputs` 列のブールベクトル	`net.inputConnect(i,j)` が 1 の場合、層 `i` には入力 `j` から得られる重みがあり、`net.inputWeights{i,j}` はその重みを記述する構造体です。
`net.layerConnect`	`numLayer` 行 `numLayers` 列のブールベクトル	`net.layerConnect(i,j)` が 1 の場合、層 `i` には層 `j` から得られる重みがあり、`net.layerWeights{i,j}` はその重みを記述する構造体です。
`net.outputConnect`	1 行 `numLayers` 列のブールベクトル	`net.outputConnect(i)` が 1 の場合、ネットワークには層 `i` からの出力があり、`net.outputs{i}` はその出力を記述する構造体です。
`net.numOutputs`	0 または正の整数 (読み取り専用)	`net.outputConnect` に応じたネットワーク出力の数。
`net.numInputDelays`	0 または正の整数 (読み取り専用)	すべての `net.inputWeights{i,j}.delays` に応じた入力遅延の最大値。
`net.numLayerDelays`	0 または正の数値 (読み取り専用)	すべての `net.layerWeights{i,j}.delays` に応じた層の遅延の最大値。

サブオブジェクト構造体のプロパティ

`net.inputs`	`numInputs` 行 1 列の cell 配列	`net.inputs{i}` は、入力 `i` を定義する構造体です。
`net.layers`	`numLayers` 行 1 列の cell 配列	`net.layers{i}` は、層 `i` を定義する構造体です。
`net.biases`	`numLayers` 行 1 列の cell 配列	`net.biasConnect(i)` が 1 の場合、`net.biases{i}` は層 `i` のバイアスを定義する構造体です。
`net.inputWeights`	`numLayers` 行 `numInputs` 列の cell 配列	`net.inputConnect(i,j)` が 1 の場合、`net.inputWeights{i,j}` は入力 `j` から層 `i` への重みを定義する構造体です。
`net.layerWeights`	`numLayers` 行 `numLayers` 列の cell 配列	`net.layerConnect(i,j)` が 1 の場合、`net.layerWeights{i,j}` は層 `j` から層 `i` への重みを定義する構造体です。
`net.outputs`	1 行 `numLayers` 列の cell 配列	`net.outputConnect(i)` が 1 の場合、`net.outputs{i}` は層 `i` からのネットワーク出力を定義する構造体です。

関数のプロパティ

`net.adaptFcn`	ネットワーク適応関数の名前または `''`
`net.initFcn`	ネットワーク初期化関数の名前または `''`
`net.performFcn`	ネットワーク性能関数の名前または `''`
`net.trainFcn`	ネットワーク学習関数の名前または `''`

パラメーターのプロパティ

`net.adaptParam`	ネットワーク適応パラメーター
`net.initParam`	ネットワーク初期化パラメーター
`net.performParam`	ネットワーク性能パラメーター
`net.trainParam`	ネットワーク学習パラメーター

重みとバイアスの値のプロパティ

`net.IW`	入力の重み値の `numLayers` 行 `numInputs` 列の cell 配列
`net.LW`	層の重み値の `numLayers` 行 `numLayers` 列の cell 配列
`net.b`	バイアス値の `numLayers` 行 1 列の cell 配列

その他のプロパティ

net.userdata

有用な値を格納するために使用できる構造体

例

1 つの入力と 2 つの層があるネットワークの作成

この例では、入力と層がないネットワークを作成し、入力と層の数をそれぞれ 1 と 2 に設定する方法を説明します。

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

または、1 行のコードで同じネットワークを作成できます。

net = network(1,2)

フィードフォワードネットワークの作成およびプロパティの表示

この例では、入力が 1 つの 2 層フィードフォワードネットワークを作成する方法を説明します。最初の層だけにバイアスがあります。入力の重みは、入力 1 から層 1 に結合します。層の重みは、層 1 から層 2 に結合します。層 2 はネットワーク出力で、ターゲットがあります。

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

次のコードを使用して、ネットワークサブオブジェクトを表示できます。

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

任意のネットワークサブオブジェクトのプロパティを変更できます。次のコードは、両方の層の伝達関数を変更します。

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

最初の入力から最初の層への結合の重みは、以下のように表示できます。入力から層への結合の重みは、net.IW に格納されます。値がまだ設定されていない場合、これらの結果は空になります。

net.IW{1,1}

最初の層から 2 番目の層への結合の重みは、以下のように表示できます。層から層への結合の重みは、net.LW に格納されます。ここでも、値がまだ設定されていない場合、結果は空になります。

net.LW{2,1}

最初の層のバイアス値は、以下のように表示できます。

net.b{1}

入力 1 から 2 への要素の数を変更するには、各要素の範囲を以下のように設定します。

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

ネットワークに学習させた後、sim を使用してネットワークをシミュレーションできます。たとえば、2 要素入力ベクトルのネットワークをシミュレーションします。

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

バージョン履歴

R2006a より前に導入

参考

sim