Описание весов входа

Перечисленные ниже свойства объекта net включают перечень функций, которые используются для описания весов входа.

inputWeights массив ячеек

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

delays индикатор линий задержки

Описание линий задержки. Свойство inputWeights{i, j}.delays определяет наличие линий задержки между входом 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 входа.
При изменении значения этого свойства автоматически изменяется параметр inputWeights{i, j}.size и размер матрицы весов IW{i, j}.

initFcn initzero | midpoint | randnc | randnr | rands

Функция инициализации матрицы весов. Это свойство определяет, какая функция инициализации inputWeights{i, j}.initFcn применяется при вызове метода init для вычисления матрицы весов от входа j к слою i 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 inputWeights{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 для слоя i 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 inputWeights{i,j}.learnParam. Узнать набор таких параметров можно, применяя оператор help в следующей функциональной форме:

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

weightFcn dist | dotprod | mandist | negdist | normprod

Функции для применения матриц весов. Это свойство определяет, какая функция inputWeights{i,j}.weightFcn применяется для вычисления взвешенных входов для слоя. 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 входом j. Это вектор-строка, в которой указано число строк и столбцов матрицы весов IW; первый параметр совпадает с размером слоя layers{i}.size, второй соответствует величине

length(net.inputWeights{i, j}.delays) * net.inputs{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 inputWeights{i,j}.userdata.note для записи текста. По умолчанию оно содержит строку
'Put your custom input information here.' – "Информацию разместите здесь".