신경망 하위객체 속성
다음과 같은 속성은 신경망의 입력값, 계층, 출력값, 목표값, 편향 및 가중치의 세부 사항을 정의합니다.
입력값
다음과 같은 속성은 각 i번째 신경망 입력값의 세부 사항을 정의합니다.
net.inputs{1}.name
이 속성은 입력값 이름을 정의하는 문자열로 이루어져 있습니다. feedforwardnet
과 같은 신경망 생성 함수는 이 속성을 적절하게 정의합니다. 그러나 원하는 어떤 문자열로도 설정할 수 있습니다.
net.inputs{i}.feedbackInput(읽기 전용)
이 신경망에 개루프 피드백 출력값이 연결된 경우 이 속성은 해당 출력값의 인덱스를 나타냅니다. 그렇지 않은 경우 이 속성은 빈 행렬이 됩니다.
net.inputs{i}.processFcns
이 속성은 i번째 신경망 입력값이 사용할 처리 함수 이름으로 구성된 행 셀형 배열을 정의합니다. 처리 함수는 신경망이 사용하기 전의 입력값에 적용됩니다.
부수 효과. 이 속성이 변경될 때마다 입력값 processParams
는 주어진 처리 함수에 대한 디폴트 값으로 설정되고, exampleInput
에 처리 함수와 파라미터를 적용함으로써 processSettings
, processedSize
, processedRange
가 정의됩니다.
처리 함수 목록을 보려면 help nnprocess
를 입력하십시오.
net.inputs{i}.processParams
이 속성은 i번째 신경망 입력값이 사용할 처리 함수 파라미터로 구성된 행 셀형 배열을 저장합니다. 처리 파라미터는 처리 함수에 의해 신경망이 사용하기 전의 입력값에 적용됩니다.
부수 효과. 이 속성이 변경될 때마다 입력값 processSettings
, processedSize
, processedRange
는 exampleInput
에 처리 함수와 파라미터를 적용함으로써 정의됩니다.
net.inputs{i}.processSettings(읽기 전용)
이 속성은 i번째 신경망 입력값이 사용할 처리 함수 설정으로 구성된 행 셀형 배열을 저장합니다. 처리 설정은 exampleInput
에 처리 함수와 파라미터를 적용함으로써 구해지며, 그런 다음 신경망이 새 입력값을 사용하기 전에 새 입력값에 일관성 있는 결과를 제공하는 데 사용됩니다.
net.inputs{i}.processedRange(읽기 전용)
이 속성은 processingFcns
와 processingParams
에 의해 처리된 후의 exampleInput
값에 대해 그 범위를 정의합니다.
net.inputs{i}.processedSize(읽기 전용)
이 속성은 processingFcns
와 processingParams
에 의해 처리된 후의 exampleInput
값에 있는 행 개수를 정의합니다.
net.inputs{i}.range
이 속성은 i번째 신경망 입력값의 각 요소의 범위를 정의합니다.
이 속성은 임의의 Ri×2 행렬로 설정할 수 있습니다. 여기서 Ri는 입력값의 요소 개수(net.inputs{i}.size
)이고 1열에 있는 각 요소는 그 요소 옆에 있는 2열의 요소보다 작습니다.
각 j번째 행은 j번째 입력 요소의 최솟값과 최댓값을 순서대로 정의합니다.
net.inputs{i}(j,:)
용도. 일부 초기화 함수는 입력값 범위를 사용하여 입력 가중치 행렬의 적절한 초기값을 구합니다.
부수 효과. 이 속성의 행 개수가 변경될 때마다 입력값 size
, processedSize
, processedRange
가 일관성을 유지하도록 변경됩니다. 이 입력값에서 온 모든 가중치의 크기와 가중치 행렬의 차원도 변경됩니다.
net.inputs{i}.size
이 속성은 i번째 신경망 입력값의 요소 개수를 정의합니다. 이 속성은 0 또는 양의 정수로 설정할 수 있습니다.
부수 효과. 이 속성이 변경될 때마다 입력값 range
, processedRange
, processedSize
가 업데이트됩니다. 연관된 모든 입력 가중치는 그에 맞게 크기가 변경됩니다.
net.inputs{i}.userdata
이 속성은 사용자가 i번째 신경망 입력값에 사용자 지정 정보를 추가할 수 있는 장소를 제공합니다.
계층
다음과 같은 속성은 각 i번째 신경망 계층의 세부 사항을 정의합니다.
net.layers{i}.name
이 속성은 계층 이름을 정의하는 문자열로 이루어져 있습니다. feedforwardnet
과 같은 신경망 생성 함수는 이 속성을 적절하게 정의합니다. 그러나 원하는 어떤 문자열로도 설정할 수 있습니다.
net.layers{i}.dimensions
이 속성은 i번째 계층의 뉴런의 물리적 차원을 정의합니다. 자기 조직화 맵에서는 다차원 방식으로 계층의 뉴런을 배열하는 능력이 중요합니다.
이 속성은 0 또는 양의 정수 요소로 구성된 임의의 행 벡터로 설정할 수 있습니다. 여기서 모든 요소의 곱은 계층에 있는 뉴런 개수(net.layers{i}.size
)가 됩니다.
용도. 계층 차원은 계층의 위상 함수(net.layers{i}.topologyFcn
)를 사용하여 계층 내 뉴런의 위치(net.layers{i}.positions
)를 계산하는 데 사용됩니다.
부수 효과. 이 속성이 변경될 때마다 계층의 크기(net.layers{i}.size
)가 일관성을 유지하도록 변경됩니다. 계층의 뉴런 위치(net.layers{i}.positions
)와 뉴런 간 거리(net.layers{i}.distances
)도 업데이트됩니다.
net.layers{i}.distanceFcn
이 속성은 뉴런 positions
에서부터 i번째 계층에 있는 뉴런 간의 distances
를 계산하는 데 사용할 거리 함수를 정의합니다. 뉴런 거리는 자기 조직화 맵에서 사용합니다. 이 속성은 임의의 거리 함수의 이름으로 설정할 수 있습니다.
함수 목록을 보려면 help nndistance
를 입력하십시오.
부수 효과. 이 속성이 변경될 때마다 계층의 뉴런 간 거리(net.layers{i}.distances
)가 업데이트됩니다.
net.layers{i}.distances(읽기 전용)
이 속성은 i번째 계층에 있는 뉴런 간 거리를 정의합니다. 이러한 거리는 자기 조직화 맵에서 사용합니다.
net.layers{i}.distances
이 속성은 항상 계층의 거리 함수(net.layers{i}.distanceFcn
)를 계층의 뉴런 위치(net.layers{i}.positions
)에 적용한 결과로 설정됩니다.
net.layers{i}.initFcn
이 속성은 신경망 초기화 함수(net.initFcn
)가 initlay
인 경우 i번째 계층을 초기화하는 데 사용할 계층 초기화 함수를 정의합니다. 신경망 초기화가 initlay
로 설정된 경우, 이 속성이 가리키는 함수가 계층의 가중치와 편향을 초기화하는 데 사용됩니다.
net.layers{i}.netInputFcn
이 속성은 시뮬레이션 및 훈련 과정에서 계층의 가중 입력값과 편향이 주어졌을 때 i번째 계층의 순 입력값을 계산하는 데 사용할 순 입력 함수를 정의합니다.
함수 목록을 보려면 help nnnetinput
을 입력하십시오.
net.layers{i}.netInputParam
이 속성은 계층의 순 입력 함수의 파라미터를 정의합니다. 각 필드에 대한 설명을 보려면 현재 순 입력 함수에 대해 help
를 호출하십시오.
help(net.layers{i}.netInputFcn)
net.layers{i}.positions(읽기 전용)
이 속성은 i번째 계층에 있는 뉴런의 위치를 정의합니다. 이러한 위치는 자기 조직화 맵에서 사용합니다.
이 속성은 항상 계층의 위상 함수(net.layers{i}.topologyFcn
)를 계층의 차원(net.layers{i}.dimensions
)의 위치에 적용한 결과로 설정됩니다.
플로팅. plotsom
을 사용하여 계층의 뉴런의 위치를 플로팅합니다.
예를 들어, 신경망의 첫 번째 계층의 뉴런이 차원(net.layers{1}.dimensions
) [4 5]로 정렬되었고 위상 함수(net.layers{1}.topologyFcn
)가 hextop
라면 뉴런의 위치는 다음과 같이 플로팅할 수 있습니다.
plotsom(net.layers{1}.positions)
net.layers{i}.range(읽기 전용)
이 속성은 i번째 계층의 각 뉴런의 출력 범위를 정의합니다.
이 속성은 Si×2 행렬로 설정됩니다. 여기서 Si는 계층의 뉴런 개수(net.layers{i}.size
)이고 1열에 있는 각 요소는 그 요소 옆에 있는 2열의 요소보다 작습니다.
각 j번째 행은 계층의 전달 함수 net.layers{i}.transferFcn
의 최소 및 최대 출력값을 정의합니다.
net.layers{i}.size
이 속성은 i번째 계층에 있는 뉴런의 개수를 정의합니다. 이 속성은 0 또는 양의 정수로 설정할 수 있습니다.
부수 효과. 이 속성을 변경할 때마다 해당 계층으로 가는 입력 가중치의 크기(net.inputWeights{i,:}.size
), 해당 계층으로 가는 계층 가중치의 크기(net.layerWeights{i,:}.size
) 또는 해당 계층에서 오는 계층 가중치의 크기(net.layerWeights{i,:}.size
), 계층의 편향 크기(net.biases{i}.size
)가 변경됩니다.
대응되는 가중치 행렬(net.IW{i,:}
, net.LW{i,:}
, net.LW{:,i}
) 및 편향(net.b{i}
)의 차원도 변경됩니다.
이 속성을 변경하면 계층의 출력값과 목표값이 존재하는 경우 계층의 출력값 크기(net.outputs{i}.size
)와 목표값 크기(net.targets{i}.size
)도 변경됩니다.
마지막으로, 이 속성을 변경하면 계층의 뉴런의 차원(net.layers{i}.dimension
)이 모두 동일한 값으로 설정됩니다. (그 결과 뉴런이 1차원으로 배열됩니다. 다른 배열이 필요한 경우 size
를 사용하는 대신 dimensions
속성을 직접 설정하십시오.)
net.layers{i}.topologyFcn
이 속성은 계층의 차원(net.layers{i}.dimensions
)에서 i번째 계층의 뉴런 위치(net.layers{i}.positions
)를 계산하는 데 사용할 위상 함수를 정의합니다.
함수 목록을 보려면 help nntopology
를 입력하십시오.
부수 효과. 이 속성이 변경될 때마다 계층의 뉴런의 위치(net.layers{i}.positions
)가 업데이트됩니다.
plotsom
을 사용하여 계층 뉴런의 위치를 플로팅합니다. 예를 들어, 신경망의 첫 번째 계층의 뉴런이 차원(net.layers{1}.dimensions
) [8 10]으로 정렬되었고 위상 함수(net.layers{1}.topologyFcn
)가 randtop
라면 뉴런의 위치는 다음 플롯과 비슷하게 정렬됩니다.
plotsom(net.layers{1}.positions)
net.layers{i}.transferFcn
이 함수는 시뮬레이션 및 훈련 과정에서 계층의 순 입력값이 주어졌을 때 i번째 계층의 출력값을 계산하는 데 사용할 전달 함수를 정의합니다.
함수 목록을 보려면 help nntransfer
를 입력하십시오.
net.layers{i}.transferParam
이 속성은 계층의 전달 함수의 파라미터를 정의합니다. 각 필드의 의미에 대한 설명을 보려면 현재 전달 함수에 대해 help
를 호출하십시오.
help(net.layers{i}.transferFcn)
net.layers{i}.userdata
이 속성은 사용자가 i번째 신경망 계층에 사용자 지정 정보를 추가할 수 있는 장소를 제공합니다.
출력값
net.outputs{i}.name
이 속성은 출력값 이름을 정의하는 문자열로 이루어져 있습니다. feedforwardnet
과 같은 신경망 생성 함수는 이 속성을 적절하게 정의합니다. 그러나 원하는 어떤 문자열로도 설정할 수 있습니다.
net.outputs{i}.feedbackInput
출력값이 개루프 피드백(net.outputs{i}.feedbackMode = 'open'
)을 구현하는 경우 이 속성은 연결된 피드백 입력값의 인덱스를 나타내며 그렇지 않은 경우 빈 행렬이 됩니다.
net.outputs{i}.feedbackDelay
이 속성은 이 출력값과 신경망 입력값 사이의 시간 스텝 차이를 정의합니다. 입력-출력 신경망 지연은 removedelay
함수와 adddelay
함수를 사용하여 제거하고 추가할 수 있으며 그 결과 이 속성이 늘어나거나 줄어듭니다. 입력값과 출력값 사이의 타이밍 차이는 preparets
가 시뮬레이션 및 훈련 데이터의 형식을 올바르게 지정하는 데 사용하고, closeloop
가 개루프 출력값을 닫을 때 올바른 지연 수를 더하는 데 사용하고, openloop
가 폐루프를 열 때 지연을 제거하는 데 사용합니다.
net.outputs{i}.feedbackMode
이 속성은 피드백이 아닌 출력값에 대해 문자열 'none'
으로 설정됩니다. 피드백 출력값의 경우 이 속성이 'open'
또는 'closed'
로 설정될 수 있습니다. 'open'
으로 설정된 경우, 출력값은 피드백 입력값에 연결되며, 속성 feedbackInput
이 입력값의 인덱스를 나타냅니다.
net.outputs{i}.processFcns
이 속성은 i번째 신경망 출력값이 사용할 처리 함수 이름으로 구성된 행 셀형 배열을 정의합니다. 처리 함수는 신경망이 사용하기 전의 목표값에 적용되고, 역으로 신경망 출력값으로 반환되기 전의 계층 출력값에 적용됩니다.
부수 효과. 이 속성을 변경하면 다음과 같은 설정에도 영향을 주게 됩니다. 출력 파라미터 processParams
가 지정된 처리 함수의 디폴트 값으로 수정됩니다. exampleOutput
에 처리 함수와 파라미터를 적용한 결과를 사용하여 processSettings
, processedSize
및 processedRange
가 정의됩니다. i번째 계층 크기가 processedSize
와 일치하도록 업데이트됩니다.
함수 목록을 보려면 help nnprocess
를 입력하십시오.
net.outputs{i}.processParams
이 속성은 i번째 신경망 출력값이 목표값에 대해 사용할 처리 함수 파라미터로 구성된 행 셀형 배열을 저장합니다. 처리 파라미터는 처리 함수에 의해 신경망이 사용하기 전의 입력값에 적용됩니다.
부수 효과. 이 속성이 변경될 때마다 출력값 processSettings
, processedSize
, processedRange
는 exampleOutput
에 처리 함수와 파라미터를 적용함으로써 정의됩니다. i번째 계층의 크기도 processedSize
와 일치하도록 업데이트됩니다.
net.outputs{i}.processSettings(읽기 전용)
이 속성은 i번째 신경망 출력값이 사용할 처리 함수 설정으로 구성된 행 셀형 배열을 저장합니다. 처리 설정은 exampleOutput
에 처리 함수와 파라미터를 적용함으로써 구해지며, 그런 다음 신경망이 새 목표값을 사용하기 전에 새 목표값에 일관성 있는 결과를 제공하는 데 사용됩니다. 또한, 처리 설정은 역으로 신경망에 의해 반환되기 전의 계층 출력값에 적용됩니다.
net.outputs{i}.processedRange(읽기 전용)
이 속성은 processingFcns
와 processingParams
에 의해 처리된 후의 exampleOutput
값에 대해 그 범위를 정의합니다.
net.outputs{i}.processedSize(읽기 전용)
이 속성은 processingFcns
와 processingParams
에 의해 처리된 후의 exampleOutput
값에 있는 행 개수를 정의합니다.
net.outputs{i}.size(읽기 전용)
이 속성은 i번째 계층의 출력값의 요소 개수를 정의합니다. 이 속성은 항상 i번째 계층의 크기(net.layers{i}.size
)로 설정됩니다.
net.outputs{i}.userdata
이 속성은 사용자가 i번째 계층의 출력값에 사용자 지정 정보를 추가할 수 있는 장소를 제공합니다.
편향
net.biases{i}.initFcn
이 속성은 신경망 초기화 함수가 initlay
이고 i번째 계층의 초기화 함수가 initwb
인 경우 i번째 계층의 편향 벡터(net.b{i}
)를 설정하는 데 사용되는 가중치 및 편향 초기화 함수를 정의합니다.
net.biases{i}.learn
이 속성은 훈련 및 적응 중에 i번째 편향 벡터를 변경해야 할지 여부를 정의합니다. 이 속성은 0 또는 1로 설정할 수 있습니다.
이 속성은 adapt
및 train
에 대한 호출 중에 편향의 학습을 활성화 또는 비활성화합니다.
net.biases{i}.learnFcn
이 속성은 신경망 훈련 함수가 trainb
, trainc
또는 trainr
이라면 훈련 중에, 혹은 신경망 적응 함수가 trains
라면 적응 중에 i번째 계층의 편향 벡터(net.b{i}
)를 업데이트하는 데 사용할 학습 함수를 정의합니다.
함수 목록을 보려면 help nnlearn
을 입력하십시오.
부수 효과. 이 속성이 변경될 때마다 편향 학습 파라미터(net.biases{i}.learnParam
)가 새 함수의 필드와 디폴트 값을 포함하도록 설정됩니다.
net.biases{i}.learnParam
이 속성은 i번째 계층의 편향의 현재 학습 함수에 대한 학습 파라미터와 값을 정의합니다. 이 속성의 필드는 현재 학습 함수에 따라 달라집니다. 각 필드의 의미에 대한 설명을 보려면 현재 학습 함수에 대해 help
를 호출하십시오.
net.biases{i}.size(읽기 전용)
이 속성은 i번째 계층의 편향 벡터의 크기를 정의합니다. 이 속성은 항상 i번째 계층의 크기(net.layers{i}.size
)로 설정됩니다.
net.biases{i}.userdata
이 속성은 사용자가 i번째 계층의 편향에 사용자 지정 정보를 추가할 수 있는 장소를 제공합니다.
입력 가중치
net.inputWeights{i,j}.delays
이 속성은 j번째 입력값과 그 입력값에서 i번째 계층으로 가는 가중치 사이의 탭 지연선을 정의합니다. 이 속성은 증가하는 값으로 구성된 행 벡터로 설정되어야 합니다. 요소는 0 또는 양의 정수여야 합니다.
부수 효과. 이 속성이 변경될 때마다 가중치의 크기(net.inputWeights{i,j}.size
)와 가중치 행렬(net.IW{i,j}
)의 차원이 업데이트됩니다.
net.inputWeights{i,j}.initFcn
이 속성은 신경망 초기화 함수가 initlay
이고 i번째 계층의 초기화 함수가 initwb
인 경우 j번째 입력값에서 i번째 입력값으로 가는 가중치 행렬(net.IW{i,j}
)을 초기화하는 데 사용할 가중치 및 편향 초기화 함수를 정의합니다. 이 함수는 임의의 가중치 초기화 함수의 이름으로 설정할 수 있습니다.
net.inputWeights{i,j}.initSettings(읽기 전용)
이 속성은 신경망이 처음 훈련될 때 또는 신경망에서 함수 configure
가 직접 호출될 때 자동으로 이루어지는 구성 절차의 일환으로 가중치를 초기화하는 데 유용한 값으로 설정됩니다.
net.inputWeights{i,j}.learn
이 속성은 훈련 및 적응 중에 j번째 입력값에서 i번째 계층으로 가는 가중치 행렬을 변경해야 할지 여부를 정의합니다. 이 속성은 0 또는 1로 설정할 수 있습니다.
net.inputWeights{i,j}.learnFcn
이 속성은 신경망 훈련 함수가 trainb
, trainc
또는 trainr
이라면 훈련 과정에서, 신경망 적응 함수가 trains
라면 적응 과정에서 j번째 입력값에서 i번째 계층으로 가는 가중치 행렬(net.IW{i,j}
)을 업데이트하는 데 사용할 학습 함수를 정의합니다. 이 속성은 임의의 가중치 학습 함수의 이름으로 설정할 수 있습니다.
함수 목록을 보려면 help nnlearn
을 입력하십시오.
net.inputWeights{i,j}.learnParam
이 속성은 j번째 입력값에서 오는 i번째 계층의 가중치의 현재 학습 함수에 대한 학습 파라미터와 값을 정의합니다.
이 속성의 필드는 현재 학습 함수(net.inputWeights{i,j}.learnFcn
)에 따라 달라집니다. 현재 학습 함수의 필드를 확인하려면 바로 위의 항목을 실행하십시오.
각 필드의 의미에 대한 설명을 보려면 현재 학습 함수에 대해 help
를 호출하십시오.
net.inputWeights{i,j}.size(읽기 전용)
이 속성은 j번째 신경망 입력값에서 오는 i번째 계층의 가중치 행렬의 차원을 정의합니다. 이 속성은 항상 요소를 2개 가진 행 벡터로 설정됩니다. 이는 연관된 가중치 행렬(net.IW{i,j}
)의 행 개수와 열 개수를 나타냅니다. 첫 번째 요소는 i번째 계층의 크기(net.layers{i}.size
)와 같습니다. 두 번째 요소는 가중치 지연 벡터의 길이와 j번째 입력값의 크기의 곱과 같습니다.
length(net.inputWeights{i,j}.delays) * net.inputs{j}.size
net.inputWeights{i,j}.userdata
이 속성은 사용자가 (i,j)번째 입력 가중치에 사용자 지정 정보를 추가할 수 있는 장소를 제공합니다.
net.inputWeights{i,j}.weightFcn
이 속성은 j번째 입력값에 이 입력값에서 오는 i번째 계층의 가중치를 적용할 때 사용할 가중치 함수를 정의합니다. 이 속성은 임의의 가중치 함수의 이름으로 설정할 수 있습니다. 가중치 함수는 시뮬레이션과 훈련 중에 계층 입력값을 변환하는 데 사용됩니다.
함수 목록을 보려면 help nnweight
를 입력하십시오.
net.inputWeights{i,j}.weightParam
이 속성은 계층의 순 입력 함수의 파라미터를 정의합니다. 각 필드에 대한 설명을 보려면 현재 순 입력 함수에 대해 help
를 호출하십시오.
계층 가중치
net.layerWeights{i,j}.delays
이 속성은 j번째 계층과 그 계층에서 i번째 계층으로 가는 가중치 사이의 탭 지연선을 정의합니다. 이 속성은 증가하는 값으로 구성된 행 벡터로 설정되어야 합니다. 요소는 0 또는 양의 정수여야 합니다.
net.layerWeights{i,j}.initFcn
이 속성은 신경망 초기화 함수가 initlay
이고 i번째 계층의 초기화 함수가 initwb
인 경우 j번째 계층에서 i번째 계층으로 가는 가중치 행렬(net.LW{i,j}
)을 초기화하는 데 사용할 가중치 및 편향 초기화 함수를 정의합니다. 이 함수는 임의의 가중치 초기화 함수의 이름으로 설정할 수 있습니다.
net.layerWeights{i,j}.initSettings(읽기 전용)
이 속성은 신경망이 처음 훈련될 때 또는 신경망에서 함수 configure
가 직접 호출될 때 자동으로 이루어지는 구성 절차의 일환으로 가중치를 초기화하는 데 유용한 값으로 설정됩니다.
net.layerWeights{i,j}.learn
이 속성은 훈련 및 적응 중에 j번째 계층에서 i번째 계층으로 가는 가중치 행렬을 변경해야 할지 여부를 정의합니다. 이 속성은 0 또는 1로 설정할 수 있습니다.
net.layerWeights{i,j}.learnFcn
이 속성은 신경망 훈련 함수가 trainb
, trainc
, trainr
이라면 훈련 과정에서, 신경망 적응 함수가 trains
라면 적응 과정에서 j번째 계층에서 i번째 계층으로 가는 가중치 행렬(net.LW{i,j}
)을 업데이트하는 데 사용할 학습 함수를 정의합니다. 이 속성은 임의의 가중치 학습 함수의 이름으로 설정할 수 있습니다.
함수 목록을 보려면 help nnlearn
을 입력하십시오.
net.layerWeights{i,j}.learnParam
이 속성은 j번째 계층에서 오는 i번째 계층의 가중치의 현재 학습 함수에 대한 학습 파라미터 필드와 값을 정의합니다. 이 속성의 필드는 현재 학습 함수에 따라 달라집니다. 각 필드에 대한 설명을 보려면 현재 순 입력 함수에 대해 help
를 호출하십시오.
net.layerWeights{i,j}.size(읽기 전용)
이 속성은 j번째 계층에서 오는 i번째 계층의 가중치 행렬의 차원을 정의합니다. 이 속성은 항상 요소를 2개 가진 행 벡터로 설정됩니다. 이는 연관된 가중치 행렬(net.LW{i,j}
)의 행 개수와 열 개수를 나타냅니다. 첫 번째 요소는 i번째 계층의 크기(net.layers{i}.size
)와 같습니다. 두 번째 요소는 가중치 지연 벡터의 길이와 j번째 계층의 크기의 곱과 같습니다.
net.layerWeights{i,j}.userdata
이 속성은 사용자가 (i,j)번째 계층 가중치에 사용자 지정 정보를 추가할 수 있는 장소를 제공합니다.
net.layerWeights{i,j}.weightFcn
이 속성은 j번째 계층의 출력값에 이 계층에서 오는 i번째 계층의 가중치를 적용할 때 사용할 가중치 함수를 정의합니다. 이 속성은 임의의 가중치 함수의 이름으로 설정할 수 있습니다. 가중치 함수는 신경망이 시뮬레이션될 때 계층 입력값을 변환하는 데 사용됩니다.
함수 목록을 보려면 help nnweight
를 입력하십시오.
net.layerWeights{i,j}.weightParam
이 속성은 계층의 순 입력 함수의 파라미터를 정의합니다. 각 필드에 대한 설명을 보려면 현재 순 입력 함수에 대해 help
를 호출하십시오.