dist

Funzione ponderale della distanza euclidea (da rimuovere)

dist sarà rimossa in una prossima release. Per ulteriori informazioni, vedere Transition Legacy Neural Network Code to dlnetwork Workflows.

Per suggerimenti sull'aggiornamento del codice, vedere Version History (Storico della versione).

Sintassi

Z = dist(W,P)

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

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

D = dist(pos)

Descrizione

Z = dist(W,P) considera una matrice ponderale S per R, W e una matrice R per Q di vettori (colonna) di input Q, P e restituisce la matrice delle distanze dei vettori S per Q, Z.

Le funzioni ponderali applicano i pesi a un input per ottenere input ponderati.

dim = dist('size',S,R,FP) considera la dimensione del livello S, la dimensione di input R e i parametri della funzione FP e restituisce la dimensione ponderale [S per R].

dw = dist('dw',W,P,Z,FP) restituisce la derivata di Z rispetto a W.

dist è inoltre una funzione di distanza dei livelli che può essere utilizzata per trovare le distanze tra i neuroni in un livello.

D = dist(pos) considera la matrice N per S delle posizioni dei neuroni pos e restituisce la matrice S per S delle distanze D.

Esempi

Calcolo dell’input ponderato utilizzando la funzione dist

Questo esempio mostra come calcolare l’input ponderato corrispondente Z, data una matrice ponderale W e un vettore di input P.

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

Qui si definisce una matrice casuale di posizioni per 10 neuroni disposti nello spazio tridimensionale e si trovano le loro distanze.

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

Argomenti di input

W — Matrice ponderale

matrice

Matrice ponderale, specificata come una matrice S per R.

P — Matrice di input

matrice

Matrice di input, specificata come una matrice R per Q di vettori (colonna) di input Q.

S — Dimensione del livello

scalare

Dimensione del livello, specificata come scalare.

R — Dimensione di input

scalare

Dimensione di input, specificata come scalare.

pos — Posizioni dei neuroni

matrice

Matrice delle posizioni dei neuroni, specificata come una matrice N per S.

Argomenti di output

Z — Distanze tra i vettori

matrice

Distanze tra i vettori, restituita come una matrice S per Q.

dim — Dimensione ponderale

vettore di riga

Dimensione ponderale, restituita come un vettore di riga.

dw — Derivata di w

array di celle

Derivata di Z rispetto a W, restituita come un array di celle.

D — Distanze

matrice

Distanze, restituite come una matrice S per S.

Ulteriori informazioni

Utilizzo della rete

È possibile creare una rete standard che utilizza dist chiamando newpnn o newgrnn.

Per modificare una rete in modo che un peso di input utilizzi dist, impostare net.inputWeights{i,j}.weightFcn su 'dist'. Per un livello ponderale, impostare net.layerWeights{i,j}.weightFcn su 'dist'.

Per modificare una rete in modo che la topologia di un livello utilizzi dist, impostare net.layers{i}.distanceFcn su 'dist'.

In entrambi i casi, chiamare sim per simulare la rete con dist.

Algoritmi

La distanza euclidea d tra due vettori X e Y è

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

Cronologia versioni

Introduzione prima di R2006a

R2026a: Prossima rimozione di dist

dist sarà rimossa in una prossima release.

Per saperne di più sulle operazioni e sui livelli matematici e di Deep Learning supportati, vedere questi esempi e argomenti:

• Build Networks with Deep Network Designer

• List of Deep Learning Layers

• List of Functions with dlarray Support

Per ulteriori informazioni, vedere Transition Legacy Neural Network Code to dlnetwork Workflows.

Vedi anche

Time Series Modeler | fitrnet (Statistics and Machine Learning Toolbox) | fitcnet (Statistics and Machine Learning Toolbox) | trainnet | trainingOptions | dlnetwork

Argomenti

• Training Neural Networks with Tabular Data
• Training Neural Networks with Time Series Data
• Transition Legacy Neural Network Code to dlnetwork Workflows