dist

유클리드 거리 가중치 함수

구문

Z = dist(W,P)

dim = dist('size',S,R,FP)

dw = dist('dw',W,P,Z,FP)

D = dist(pos)

설명

Z = dist(W,P)는 S×R 가중치 행렬 W와 Q 입력(열) 벡터로 구성된 R×Q 행렬 P를 받습니다. 그런 다음 벡터 거리로 구성된 S×Q 행렬 Z를 반환합니다.

가중치 함수는 입력값에 가중치를 적용하여 가중 입력값을 얻습니다.

dim = dist('size',S,R,FP)는 계층 차원 S, 입력 차원 R과 함수 파라미터 FP를 받아서 가중치 크기 [S×R]을 반환합니다.

dw = dist('dw',W,P,Z,FP)는 W에 대한 Z의 도함수를 반환합니다.

dist는 하나의 계층에 있는 뉴런들 사이의 거리를 찾는 데 사용할 수 있는 계층 거리 함수이기도 합니다.

D = dist(pos)는 뉴런 위치로 구성된 N×S 행렬 pos를 받습니다. 그런 다음 거리로 구성된 S×S 행렬 D를 반환합니다.

예제

dist 함수를 사용하여 가중 입력값 계산하기

이 예제에서는 확률 가중치 행렬 W와 입력 벡터 P가 주어졌을 때 대응하는 가중 입력값 Z를 계산하는 방법을 보여줍니다.

W = rand(4,3);
P = rand(3,1);
Z = dist(W,P)

3차원 공간에 배치된 뉴런 10개의 위치로 구성된 확률 행렬을 정의하고, 뉴런들의 거리를 구합니다.

pos = rand(3,10);
D = dist(pos)

입력 인수

W — 가중치 행렬

행렬

가중치 행렬로, S×R 행렬로 지정됩니다.

P — 입력 행렬

행렬

입력 행렬로, Q 입력(열) 벡터로 구성된 R×Q 행렬로 지정됩니다.

S — 계층 차원

스칼라

계층 차원으로, 스칼라로 지정됩니다.

R — 입력 차원

스칼라

입력 차원으로, 스칼라로 지정됩니다.

pos — 뉴런 위치

행렬

뉴런 위치로 구성된 행렬로, N×S 행렬로 지정됩니다.

출력 인수

Z — 벡터 거리

행렬

벡터 거리로, S×Q 행렬로 반환됩니다.

dim — 가중치 크기

행 벡터

가중치 크기로, 행 벡터로 반환됩니다.

dw — w의 도함수

셀형 배열

W에 대한 Z의 도함수로, 셀형 배열로 반환됩니다.

D — 거리

행렬

거리로, S×S 행렬로 반환됩니다.

세부 정보

신경망 사용

newpnn 또는 newgrnn을 호출하여 dist를 사용하는 표준 신경망을 만들 수 있습니다.

입력 가중치가 dist를 사용하도록 신경망을 변경하려면 net.inputWeights{i,j}.weightFcn을 'dist'로 설정하십시오. 계층 가중치의 경우, net.layerWeights{i,j}.weightFcn을 'dist'로 설정하십시오.

계층의 위상이 dist를 사용하도록 신경망을 변경하려면 net.layers{i}.distanceFcn을 'dist'로 설정하십시오.

둘 중 어느 경우든 dist를 사용하여 신경망을 시뮬레이션하려면 sim을 호출하십시오.

시뮬레이션 예제는 newpnn 또는 newgrnn을 참조하십시오.

알고리즘

벡터 X와 벡터 Y 사이의 유클리드 거리 d는 다음과 같습니다.

d = sum((x-y).^2).^0.5

버전 내역

R2006a 이전에 개발됨

참고 항목

sim | dotprod | negdist | normprod | mandist | linkdist