В некоторых ситуациях размерность входного вектора является большой, но компоненты векторов высоко коррелируются (избыточные). Полезно в этой ситуации уменьшать размерность входных векторов. Эффективная процедура для выполнения этой операции является анализом главных компонентов. Этот метод имеет три эффекта: это ортогонализирует компоненты входных векторов (так, чтобы они были некоррелироваными друг с другом), это заказывает получившиеся ортогональные компоненты (основные компоненты) так, чтобы те с самым большим изменением были на первом месте, и это устраняет те компоненты, которые способствуют меньше всего изменению в наборе данных. Следующий код иллюстрирует использование processpca, который выполняет анализ главных компонентов с помощью установки maxfrac of 0.02 обработки.

[pn,ps1] = mapstd(p);
[ptrans,ps2] = processpca(pn,0.02);

Входные векторы сначала нормированы, с помощью mapstd, так, чтобы у них были нулевое среднее значение и отклонение единицы. Это - стандартная процедура при использовании основных компонентов. В этом примере второй аргумент, переданный processpca, 0.02. Это означает, что processpca устраняет те основные компоненты, которые вносят меньше чем 2% в общее изменение в наборе данных. Матричный ptrans содержит преобразованные входные векторы. Структура настроек ps2 содержит матрицу преобразования основного компонента. После того, как сеть была обучена, эти настройки должны использоваться, чтобы преобразовать любые будущие входные параметры, которые применяются к сети. Это эффективно становится частью сети, точно так же, как сетевые веса и смещения. Если вы умножаете нормированные входные векторы pn на матрицу преобразования transMat, вы получаете преобразованные входные векторы ptrans.

Если processpca используется, чтобы предварительно обработать данные о наборе обучающих данных, то каждый раз, когда обучивший сеть используется с новыми входными параметрами, необходимо предварительно обработать их с матрицей преобразования, которая была вычислена для набора обучающих данных, с помощью ps2. Следующий код применяет новый набор входных параметров к сети, уже обученной.

pnewn = mapstd('apply',pnew,ps1);
pnewtrans = processpca('apply',pnewn,ps2);
a = sim(net,pnewtrans);

Анализ главных компонентов не надежно обратим. Поэтому это только рекомендуется для входной обработки. Выходные параметры требуют обратимых функций обработки.

Анализ главных компонентов не является частью обработки значения по умолчанию для feedforwardnet. Можно добавить это со следующей командой:

net.inputs{1}.processFcns{end+1} = 'processpca';