Описание весов слоя

Перечисленные ниже свойства объекта net включают перечень функций, которые
используются для описания весов слоя нейронной сети.

layerWeights массив ячеек

Описатель весов слоя. Массив размера N _l ´ N _l, где N _l – число слоев numLayers объекта net, состоящий из ячеек layerWeights{i, j}. Каждая ячейка является массивом записей и служит для описания свойств весов, которые формируют матрицу весов. Последняя определяет веса связей слоя i со слоем j сети и согласуется с матрицей связности layerConnect(i, j).

delays индикатор линий задержки

Описание линий задержки. Свойство layerWeights{i, j}.delays определяет наличие линий задержки между слоем j и слоем i. Это вектор-строка, элемент которого либо равен 0, либо значению задержки (положительное целое число), причем эти значения могут только возрастать. Длина этого вектора определяет количество задержанных векторов, поступающих на слой i.

initFcn initzero | midpoint | randnc | randnr | rands

Функция инициализации матрицы весов. Это свойство определяет, какая функция инициализации layerWeights{i, j}.initFcn применяется при вызове метода init для вычисления матрицы весов LW, связывающей слой i со слоем j при условии, что свойство net.initFcn имеет значение initlay, а функция инициализации слоя layers{i}.initFcn имеет значение initwb. Пользователь может расширить список применяемых функций инициализации.

learn индикатор настройки

Индикатор настройки матрицы весов. Свойство layerWeights{i, j}.learn указывает, будет ли матрица весов для слоя i настраиваться в процессе адаптации или обучения при использовании методов adapt или train соответственно. Значение этого свойства 0 или 1, по умолчанию 0.

learnFcn learngd | learngdm | learnh | learnhd | learnis | learnk | learnlv1 | learnlv2| learnos | learnp | learnpn | learnsom | learnwh

Функции настройки матриц весов. Это свойство определяет, какая функция inputWeights{i,j}.learnFcn применяется при настройке матрицы весов, связывающей слой i со слоем j, при адаптации или обучении с использованием функций adaptwb и trainwb или trainwb1 соответственно. Пользователь может расширить список применяемых функций настройки.

learnParam параметры функции настройки

Параметры функции настройки. Свойство biases{i}.learnParam определяет набор параметров для используемой функции настройки layerWeights{i, j}.learnParam. Узнать набор таких параметров можно, применяя оператор help в следующей функциональной форме:

help(net.layerWeights{i,j}.learnFcn).

weightFcn dist | dotprod | mandist | negdist | normprod

Функции для применения матриц весов. Это свойство определяет, какая функция layerWeights{i, j}.weightFcn применяется при работе с матрицей весов, связывающей слой i со слоем j, в частности при моделировании нейронной сети с использованием метода sim. Пользователь может расширить список таких функций.

size размер матрицы весов (только для чтения)

Размер матрицы весов. Свойство inputWeights{i, j}.size определяет размер матрицы весов, связывающей слой i со слоем j. Это вектор-строка, в которой указано число строк и столбцов матрицы весов LW; первый параметр совпадает с размером слоя layers{i}.size, второй соответствует величине

length(net.layerWeights{i, j}.delays) * net.layers{j}.size.

userdata массив записей

Поле для записи информации пользователя. Это свойство обеспечивает место для записи информации, относящейся к матрице весов слоя i сети. Предусмотрено только одно поле layerWeights{i,j}.userdata.note для записи текста. По умолчанию оно содержит строку
'Put your custom input information here.' – "Информацию разместите здесь".