Нейронная сеть, указанная как сетевой объект.

Пример: net = feedforwardnet(10);

Целевые значения нейронной сети, определенные как матрица или массив ячеек числовых значений. Целевые значения сети определяют требуемые выходы и могут быть определены как Nоколо-Q матрица Q N- векторы элементов или Mоколо-TS массив ячеек, где каждый элемент является Niоколо-Q матрица. В каждом из этих случаев N или Ni указывает длину вектора, Q количество образцов, M количество сигналов для нейронных сетей с несколькими выходами, и TS - количество временных шагов для данных временных рядов.  targets должны иметь те же размеры, что и outputs.

Столбцы целевой матрицы состоят из всех нулей и одного 1 в позиции класса, представляемого этим вектором столбца. Когда N = 1, программное обеспечение использует перекрестную энтропию для двоичного кодирования, в противном случае оно использует перекрестную энтропию для 1-of-N кодирования. NaN значения могут указывать на неизвестные или неподходящие выходные значения. Производительность NaN целевые значения игнорируются.

Типы данных: double | cell

Выходные значения нейронной сети, определенные как матрица или массив ячеек числовых значений. Выходные значения сети могут быть указаны как Nоколо-Q матрица Q N- векторы элементов или Mоколо-TS массив ячеек, где каждый элемент является Niоколо-Q матрица. В каждом из этих случаев N или Ni указывает длину вектора, Q количество образцов, M количество сигналов для нейронных сетей с несколькими выходами и TS - количество временных шагов для данных временных рядов. outputs должны иметь те же размеры, что и targets.

Выходные данные могут включать NaN для указания неизвестных выходных значений, предположительно полученных в результате NaN входные значения (также представляющие неизвестные или неподходящие значения). Производительность NaN выходные значения игнорируются.

Общий случай (N > = 2): Столбцы выходной матрицы представляют оценки членства в классе и должны быть равны 1. Вы можете использовать softmax передаточная функция для получения таких выходных значений. Использовать patternnet для создания сетей, которые уже настроены на использование межэнтропийной производительности с выходным уровнем softmax.

Типы данных: double | cell

Весовые коэффициенты производительности, заданные как вектор или массив ячеек числовых значений. Веса производительности являются необязательным аргументом, определяющим важность каждого значения производительности, связанного с каждым целевым значением, с использованием значений от 0 до 1. Значения производительности 0 указывают на игнорируемые цели, значения 1 указывают на то, что цели должны обрабатываться с нормальной важностью. Значения от 0 до 1 позволяют обрабатывать цели с относительной важностью.

Вес производительности имеет множество применений. Они полезны для проблем классификации, чтобы указать, какие классификации (или неправильные классификации) имеют относительно большие преимущества (или затраты). Они могут быть полезны в проблемах временных рядов, где получение правильного вывода на некоторых временных шагах, таких как последний временной шаг, более важно, чем на других. Веса производительности также могут использоваться для поощрения нейронной сети к наилучшему подбору образцов, цели которых известны наиболее точно, при этом придавая меньшее значение целям, которые, как известно, менее точны.

perfWeights могут иметь те же размеры, что и targets и outputs. Альтернативно, каждый размер весов производительности может либо совпадать с размером targets и outputs, или быть 1. Например, если targets является Nоколо-Q матрица, определяющая Q образцы N-элементные векторы, весовые коэффициенты производительности могут быть Nоколо-Q указывая различную важность для каждого целевого значения, или Nоколо-1 определение различной важности для каждой строки целевых объектов, или 1около-Q указывая различную важность для каждой выборки, или быть скаляром 1 (т.е. 1 на 1), указывающим одинаковую важность для всех целевых значений.

Аналогично, если outputs и targets - массивы ячеек матриц, perfWeights может быть массивом ячеек одинакового размера, массивом ячеек строк (указывающим относительную важность каждого временного шага), массивом ячеек столбцов (указывающим относительную важность каждого вывода нейронной сети) или массивом ячеек одной матрицы или только матрицы (оба случая указывают, что все матрицы имеют одинаковые значения важности).

Для любой проблемы, perfWeights значение {1} (по умолчанию) или скаляр 1 указывает, что все характеристики имеют одинаковую важность.

Типы данных: double | cell