La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.

network

Créer un réseau de neurones peu profond personnalisé

Syntaxe

net = network net = network(numInputs,numLayers,biasConnect,inputConnect,layerConnect,outputConnect)

Pour obtenir de l’aide

Saisissez help network/network.

Conseil

Pour découvrir comment créer un réseau de Deep Learning, veuillez consulter Specify Layers of Convolutional Neural Network.

Description

network crée de nouveaux réseaux personnalisés. Il permet de créer des réseaux qui sont ensuite personnalisés par des fonctions comme feedforwardnet et narxnet.

net = network sans argument renvoie un nouveau réseau de neurones sans entrée, ni couche ni sortie.

net = network(numInputs,numLayers,biasConnect,inputConnect,layerConnect,outputConnect) prend ces arguments optionnels (indiqués avec leurs valeurs par défaut) :

`numInputs`	Nombre d’entrées, 0
`numLayers`	Nombre de couches, 0
`biasConnect`	Vecteur booléen `numLayers` x 1, zéros
`inputConnect`	Matrice booléenne `numLayers` x `numInputs`, zéros
`layerConnect`	Matrice booléenne `numLayers` x `numLayers`, zéros
`outputConnect`	Vecteur booléen 1 x `numLayers`, zéros

et renvoie

net

Nouveau réseau avec les valeurs de propriétés données

Propriétés

Propriétés d'architecture

`net.numInputs`	0 ou un entier positif	Nombre d’entrées.
`net.numLayers`	0 ou un entier positif	Nombre de couches.
`net.biasConnect`	Vecteur booléen `numLayer` x 1	Si `net.biasConnect(i)` est 1, la couche `i` a un biais et `net.biases{i}` est une structure décrivant ce biais.
`net.inputConnect`	Vecteur booléen `numLayer` x `numInputs`	Si `net.inputConnect(i,j)` est 1, la couche `i` a un poids provenant de l’entrée `j` et `net.inputWeights{i,j}` est une structure décrivant ce poids.
`net.layerConnect`	Vecteur booléen `numLayer` x `numLayers`	Si `net.layerConnect(i,j)` est 1, la couche `i` a un poids provenant de la couche `j` et `net.layerWeights{i,j}` est une structure décrivant ce poids.
`net.outputConnect`	Vecteur booléen 1 x `numLayers`	Si `net.outputConnect(i)` est 1, le réseau a une sortie provenant de la couche `i` et `net.outputs{i}` est une structure décrivant cette sortie.
`net.numOutputs`	0 ou un entier positif (lecture seule)	Nombre de sorties du réseau selon `net.outputConnect`.
`net.numInputDelays`	0 ou un entier positif (lecture seule)	Retard d’entrée maximal selon tous les `net.inputWeights{i,j}.delays`.
`net.numLayerDelays`	0 ou un nombre positif (lecture seule)	Retard de couche maximal selon tous les `net.layerWeights{i,j}.delays`.

Propriétés de structure de sous-objet

`net.inputs`	Cell array `numInputs` x 1	`net.inputs{i}` est une structure définissant une entrée `i`.
`net.layers`	Cell array `numLayers` x 1	`net.layers{i}` est une structure définissant une couche `i`.
`net.biases`	Cell array `numLayers` x 1	Si `net.biasConnect(i)` est 1, `net.biases{i}` est une structure définissant le biais pour la couche `i`.
`net.inputWeights`	Cell array `numLayers` x `numInputs`	Si `net.inputConnect(i,j)` est 1, `net.inputWeights{i,j}` est une structure définissant le poids pour la couche `i` de l’entrée `j`.
`net.layerWeights`	Cell array `numLayers` x `numLayers`	Si `net.layerConnect(i,j)` est 1, `net.layerWeights{i,j}` est une structure définissant le poids pour la couche `i` de la couche `j`.
`net.outputs`	Cell array 1 x `numLayers`	Si `net.outputConnect(i)` est 1, `net.outputs{i}` est une structure définissant la sortie du réseau de la couche `i`.

Propriétés des fonctions

`net.adaptFcn`	Nom d’une fonction d’adaptation d’un réseau ou `''`
`net.initFcn`	Nom d’une fonction d’initialisation d’un réseau ou `''`
`net.performFcn`	Nom d’une fonction de performance d’un réseau ou `''`
`net.trainFcn`	Nom d’une fonction d’apprentissage d’un réseau ou `''`

Propriétés des paramètres

`net.adaptParam`	Paramètres d’adaptation d’un réseau
`net.initParam`	Paramètres d’initialisation d’un réseau
`net.performParam`	Paramètres de performance d’un réseau
`net.trainParam`	Paramètres d’apprentissage d’un réseau

Propriétés des valeurs de poids et de biais

`net.IW`	Cell array `numLayers` x `numInputs` de valeurs des poids en entrée
`net.LW`	Cell array `numLayers` x `numLayers` de valeurs des poids des couches
`net.b`	Cell array `numLayers` x 1 de valeurs des biais

Autres propriétés

net.userdata

Structure que vous pouvez utiliser pour stocker des valeurs utiles

Exemples

Créer un réseau avec une entrée et deux couches

Cet exemple montre comment créer un réseau sans entrée ni couche, puis comment définir son nombre d’entrées et de couches respectivement à 1 et 2.

net = network
net.numInputs = 1
net.numLayers = 2

Vous pouvez également créer le même réseau avec une ligne de code.

net = network(1,2)

Créer un réseau feedforward et afficher les propriétés

Cet exemple montre comment créer un réseau feedforward à une entrée et deux couches. Seule la première couche a un biais. Un poids d’entrée connecte la couche 1 et l’entrée 1. Un poids de couche connecte la couche 2 et la couche 1. La couche 2 est une sortie du réseau et a une cible.

net = network(1,2,[1;0],[1; 0],[0 0; 1 0],[0 1])

Vous pouvez afficher les sous-objets du réseau avec le code suivant.

net.inputs{1}
net.layers{1}, net.layers{2}
net.biases{1}
net.inputWeights{1,1}, net.layerWeights{2,1}
net.outputs{2}

Vous pouvez modifier les propriétés de n’importe lequel des sous-objets du réseau. Ce code change les fonctions de transfert des deux couches :

net.layers{1}.transferFcn = 'tansig';
net.layers{2}.transferFcn = 'logsig';

Vous pouvez afficher les poids pour la connexion entre la première entrée et la première couche comme suit. Les poids pour une connexion entre une entrée et une couche sont stockés dans net.IW. Si les valeurs ne sont pas encore définies, ce résultat est vide.

net.IW{1,1}

Vous pouvez afficher les poids pour la connexion entre la première couche et la deuxième couche comme suit. Les poids pour une connexion d'une couche à une autre sont stockés dans net.LW. De nouveau, si les valeurs ne sont pas encore définies, ce résultat est vide.

net.LW{2,1}

Vous pouvez afficher les valeurs de biais pour la première couche comme suit.

net.b{1}

Pour changer le nombre d’éléments en entrée de 1 à 2, définissez la plage de chaque élément :

net.inputs{1}.range = [0 1; -1 1];

Pour simuler le réseau pour un vecteur en entrée à deux éléments, le code ressemblera à ceci :

p = [0.5; -0.1];
y = sim(net,p)

Historique des versions

Introduit avant R2006a

Voir aussi

sim