MATLAB神经网络工具箱中的网络对象及属性.docx

在MATLAB中把定义的神经网络看作一个对象，对象还包括一些子对象：输入向量、网络层、输出向量、目标向量、权值向量和阈值向量等，这样网络对象和各子对象的属性共同确定了神经网络对象的特性。网络属性除了只读属性外，均可以按照约定的格式和属性的类型进行设置、修改、引用等。引用格式为：网络名. [子对象] . 属性例如：net.Inputs，net.biasConnect(1)，net.inputConnect(1,2)，net.inputs{1}.range。在MATLAB命令窗口中逐条执行以下语句（newp、newff为网络创建函数），即可创建网络net1和net2。p=[1,2;-1,1;0,1];net1=newp(p,2);net2=newff([-1 1;-1 1], [15,2], {tansig,purelin}, traingdx, learngdm);1.结构属性结构属性决定了网络子对象的数目（包括输入向量、网络层向量、输出向量、目标向量、阈值向量和权值向量的数目）以及它们之间的连接关系。无论何时，结构属性值一旦发生变化，网络就会自动重新定义，与之相关的其他属性值也会自动更新。（1）numInputs属性net.numInputs属性定义了网络的输入向量数，它可以被设置为零或正整数。其值一般在用户定义网络中才被设置，而由MATLAB神经网络工具箱中的网络定义函数所创建的网络，则输入向量就不止一个，而是多个。所以网络的输入向量数并不是网络输入元素的个数。net.numInputs属性值一旦改变，与输入向量相关的输入层连接向量（net.inputConnect）和输入层向量（net.inputs）会自动随之改变。（2）numLayers属性numLayers属性定义了网络的层数，它可以被设置为零或正整数。net.numLayers属性值一旦改变，下列与网络相关的布尔代数矩阵就会随之改变：net.biasConnectnet.inputConnectnet.layerConnectnet.targetConnect下列与网络层相关的子对象细胞矩阵的大小也会随之改变：net.biasesnet.inputWeightsnet.layerWeightsnet.outputsnet.targets下列网络调整参数细胞矩阵的大小也会随之改变：net.IWnet.LWnet.b细胞矩阵是将多个矩阵向量作为细胞矩阵的一个“细胞（Cell）”，细胞矩阵的各个元素值为对应细胞的大小和数值类型。（3）biasConnect属性net.biasConnect属性定义各个网络层是否具有阈值向量，其值为Nl*1布尔型向量（0或1），Nl为网络层数（net.Layers）。可以通过访问net.biasConnect{i}的值，查看第i个网络层是否具有阈值向量。net.biasConnect的属性值一旦改变，则阈值结构细胞矩阵（net.biases）和阈值向量细胞矩阵（net.b）将随之改变。（4）inputConnect属性net.inputConnect属性定义各网络层是否具有来自个输入向量的连接权，其值为Nl*Ni布尔型向量（0或1），Nl为网络层数（net.numLayers），Ni为网络输入向量数（net.numInputs）。可以通过访问net.inputConnect(i,j)的值，来查看第i个网络是否具有来自第j个输入向量的连接权。net.inputConnect的属性值一旦改变，输入层权值细胞结构矩阵（net.inputWeights）和权值向量细胞矩阵（net.IW）将随之改变。（5）layerConnect属性net.layerConnect属性定义一个网络层是否具有来自另外一个网络层的连接权，其值为Nl*Nl的布尔型向量（0或1），Nl为网络层数（net.numLayers）。可以通过访问net.layerConnect(i,j)的值，来查看第i个网络层是否具有来自第j个网络层的连接权。net.layerConnect的属性值一旦改变，网络层权值结构细胞矩阵（net.layerWeights）和网络层权值向量细胞矩阵（net.IW）将随之改变。（6）outputConnect属性net.outputConnect属性定义各网络层是否作为输出层，其值为1*Nl的布尔型向量（0或1），Nl为网络层数（net.numLayers）。可以通过访问net.outputConnect(i)的值来查看第i个网络层是否作为输出层。net.outputConnect属性值一旦改变，网络输出层数目（net.numOutputs）和输出层结构细胞矩阵（net.outputs）将随之改变。（7）targetConnect属性net.targetCo