《神经网络在多传感器信息ppt课件》由会员分享，可在线阅读，更多相关《神经网络在多传感器信息ppt课件（89页珍藏版）》请在金锄头文库上搜索。
1、.,第4章 神经网络在多传感器信息融合中的应用,汤晓君,.,神经网络的一般化结构,常用结构,.,神经网络的一般化结构,常用结构的信号传递,n1=IW1,1I1+IW1,2I2+b1 n2=IW2,1I1+IW2,2I2+b2 n3=IW3,1I1+IW3,2I2+b3 n4=IW4,1I1+IW4,2I2+b4,m1=f(n1) m2=f(n2) m3=f(n3) m4=f(n4),O1=LW1,1m1+LW1,2m2+LW1,3m3+LW1,4m4+d1 O2=LW2,1m1+LW2,2m2+LW2,3m3+LW2,4m4+d2 O3=LW3,1m1+LW3,2m2+LW3,3m3+LW2,
2、4m4+d3,.,神经网络的一般化结构,IW,LW,.,神经网络的一般化结构参数,Neural Network object: architecture: numInputs: 1 numLayers: 1 biasConnect: 1 inputConnect: 1 layerConnect: 0 outputConnect: 1 targetConnect: 1 numOutputs: 1 (read-only) numTargets: 1 (read-only) numInputDelays: 0 (read-only) numLayerDelays: 0 (read-only),Sub
3、object structures: inputs: 1x1 cell of inputs layers: 1x1 cell of layers outputs: 1x1 cell containing 1 output targets: 1x1 cell containing 1 target biases: 1x1 cell containing 1 bias inputWeights: 1x1 cell containing 1 input weight layerWeights: 1x1 cell containing no layer weights,net = newp(0 1;
4、-2 2,1),.,神经网络的一般化结构参数,functions: adaptFcn: adaptwb initFcn: initlay performFcn: mae trainFcn: trainwb parameters: adaptParam: .passes initParam: (none) performParam: (none) trainParam: .epochs, .goal, .max_fail, .show, .time,weight and bias values: IW: 1x1 cell containing 1 input weight matrix LW:
5、1x1 cell containing no layer weight matrices b: 1x1 cell containing 1 bias vector other: userdata: (user stuff),.,神经网络的一般化结构参数,architecture: numInputs: 1 numLayers: 1 biasConnect: 1 inputConnect: 1 layerConnect: 0 outputConnect: 1 targetConnect: 1 numOutputs: 1 (read-only) numTargets: 1 (read-only)
6、numInputDelays: 0 (read-only) numLayerDelays: 0 (read-only),这个属性定义了网络所接收的输入的数量，它可以设为0或一个正整数。注意，网络所接收的输入的数量同网络的输入尺寸（net.inputsi.size）并非同一概念。网络的输入数量指的是网络接收的输入有多少个向量，网络的输入尺寸指的是向量的长度。这一属性的改变将导致网络输入与隐层的连接矩阵（net.inputsConnects）以及输入子对象阵列尺寸的大小的改变(net.inputs)。,.,神经网络的一般化结构参数,architecture: numInputs: 1 number
7、Layers:1 biasConnect: 1 inputConnect: 1 layerConnect: 0 outputConnect: 1 targetConnect: 1 numOutputs: 1 (read-only) numTargets: 1 (read-only) numInputDelays: 0 (read-only) numLayerDelays: 0 (read-only),这一属性定义了网络所包含的网络层的数量。它可以是0或正整数。这一属性的改变将导致下列任一层与层之间的连接的布尔矩阵的尺寸的改变。 net.biasConnect: net.inputConnect
8、: net.layerConnect: net.outputConnect: net.targetConnect: 也将改变每个子对象结构阵列的大小的。 net.inputWeights: net.layersWeights: net.outputs: net.targets: net.biases: 还将改变网络中每个可调整参数属性的大小。 net.IW net.LW net.b,.,神经网络的一般化结构参数,architecture: numInputs: 1 numberLayers:1 biasConnect:1 inputConnect: 1 layerConnect: 0 outp
9、utConnect: 1 targetConnect: 1 numOutputs: 1 (read-only) numTargets: 1 (read-only) numInputDelays: 0 (read-only) numLayerDelays: 0 (read-only),这一属性确定含有偏置的网络层。它可以是一个Nl1的布尔值矩阵，其中Nl为网络层的数量（net.numLayers）。第i层偏置值的存在与否在net. biasConnect（i）中表示为1或0。这一属性的改变将改变偏置 (net.bias)阵列或偏置向量（net.b）阵列中结构的存在与否。,.,神经网络的一般化结构
10、参数,architecture: numInputs: 1 numberLayers:1 biasConnect:1 inputConnect: 1 layerConnect: 0 outputConnect: 1 targetConnect: 1 numOutputs: 1 (read-only) numTargets: 1 (read-only) numInputDelays: 0 (read-only) numLayerDelays: 0 (read-only),这一属性定义哪一层与输入有权值连接。它可以设置为NlNl的布尔矩阵，其中Nl为网络的层数。从第j层到第i层的连接权值存在与否在
11、net.inputConnect（i,j）用1或0表示。这一属性的改变将改变输入权值子对象（net.inputWeights）阵列结构的存在与否，以及输入权值（net.IW）矩阵的阵列中矩阵的存在与否。 示例：net.inputConnect = 1 0; 1 1; 0 0表示一个二输入三层神经网络中，第一个输入同第一层、第二层有连接，同第三层没有连接，第二个输入同第二层有连接，同第一层、第二层没有连接。,.,神经网络的一般化结构参数,architecture: numInputs: 1 numberLayers:1 biasConnect:1 inputConnect: 1 layerCon
12、nect: 0 outputConnect: 1 targetConnect: 1 numOutputs: 1 (read-only) numTargets: 1 (read-only) numInputDelays: 0 (read-only) numLayerDelays: 0 (read-only),这一属性定义从某一层出发到另一层的权值连接。它可以设置为NlNl布尔矩阵，其中Nl为网络层数（net.numLayers）。从第j层到第i层的连接权值的存在与否在net. layerConnect（i,j）用1或0表示。这一属性的任何变化将改变层连接权值子对象（net.layerWeight
13、s）阵列结构的存在与否，以及层连接权值矩阵（net.LW）阵列中矩阵的存在与否。 示例：net.layerConnect = 0 0 0; 0 0 0; 1 1 1表示一个三层神经网络中，存在从第一层到第三层、第二层到第三层、第三层到第三层的连接。,.,神经网络的一般化结构参数,architecture: numInputs: 1 numberLayers:1 biasConnect:1 inputConnect: 1 layerConnect: 0 outputConnect: 1 targetConnect: 1 numOutputs: 1 (read-only) numTargets:
14、1 (read-only) numInputDelays: 0 (read-only) numLayerDelays: 0 (read-only),这一属性定义了哪一层产生输出。它可以设为1Nl布尔矩阵，这里Nl为网络层数（net.numLayers）。第i层输出的存在与否在net.outputConnect(i)中用1或0表示。这一属性的改变将改变网络的输出数量（net.numOutputs），以及网络输出子对象（net.outputs）阵列中结构的存在与否。 示例：net.outputConnect = 0 1 1表示第二层、第三层同网络的输出相连。,.,神经网络的一般化结构参数,arch
15、itecture: numInputs: 1 numberLayers:1 biasConnect:1 inputConnect: 1 layerConnect: 0 outputConnect: 1 targetConnect: 1 numOutputs: 1 (read-only) numTargets: 1 (read-only) numInputDelays: 0 (read-only) numLayerDelays: 0 (read-only),这一属性定义哪一层具有相关期望输出。它可以设置为1Nl布尔矩阵，其中Nl为网络的层数（net.numLayers）。与第i层的相关输出是否存在在net.targetConnect(i)中用1或0表示。这一属性的改变将改变网络的期望输出数（net.numTargets），以及期望输出子对象（net.targets）阵列中结构的存在与否。 示例：net.targetConnect = 0 0 1表示第三层的输出同一个期望输出相连。在进行网络性能测试或网络训练时候，网络的第三层输出同与其相连的期望输出作比较，所得到的误差即反映出网络的性能，而在进行网络训练时，该误差则可作为修正网络权值和偏置值的依据。,.,神经网络的一般化结构参数,architecture: numInputs: 1 nu
