mandist

맨해튼 거리 가중치 함수

구문

Z = mandist(W,P)

D = mandist(pos)

설명

Z = mandist(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.

mandist는 맨해튼 거리 가중치 함수입니다. 가중치 함수는 입력값에 가중치를 적용하여 가중 입력값을 얻습니다.

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

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

예제

가중 입력 행렬 계산하기

이 예제에서는 가중 입력 행렬을 계산하는 방법을 보여줍니다.

확률 가중치 행렬 W와 입력 벡터 P를 정의하고, 이에 대응하는 가중 입력값 Z를 계산합니다.

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

뉴런 10개의 거리 구하기

이 예제에서는 3차원 공간에 배치된 뉴런 10개의 거리를 계산하는 방법을 보여줍니다.

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

pos = rand(3,10);
D = mandist(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.

pos — 뉴런 위치

행 행렬

뉴런 위치로 구성된 행렬로, N×S 행렬로 지정됩니다.

출력 인수

Z — 벡터 거리

행렬

벡터 거리 행렬로, S×Q 행렬로 반환됩니다.

D — 거리

행렬

거리의 행렬로, S×S 행렬로 반환됩니다.

세부 정보

신경망 사용

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

계층의 위상이 mandist를 사용하도록 신경망을 변경하려면 net.layers{i}.distanceFcn을 'mandist'로 설정하십시오.

둘 중 어느 경우든 dist를 사용하여 신경망을 시뮬레이션하려면 sim을 호출하십시오. 시뮬레이션 예제는 newpnn 또는 newgrnn을 참조하십시오.

알고리즘

벡터 X와 벡터 Y 사이의 맨해튼 거리 D는 다음과 같습니다.

D = sum(abs(x-y))

버전 내역

R2006a 이전에 개발됨

참고 항목

dist | linkdist | sim