Exponenta Banner

mandist

Манхэттенская функция веса расстояния

свернуть все на странице

Синтаксис

Z = mandist(W,P)
D = mandist(pos)

Описание

пример

Z = mandist(W,P) берет S- R матрица веса, W, и R- Q матрица Q введите (столбец) векторы, P, и возвращает S- Q матрица векторных расстояний, Z.

mandist манхэттенская функция веса расстояния. Функции веса применяют веса к входу, чтобы получить взвешенные входные параметры.

mandist также функция расстояния слоя, которая может использоваться, чтобы найти расстояния между нейронами в слое.

пример

D = mandist(pos) берет N- S матрица положений нейрона, pos, и возвращает S- S матрица расстояний, D.

Примеры

свернуть все

В этом примере показано, как вычислить взвешенную входную матрицу.

Задайте случайную матрицу веса W и входной вектор P и вычислите соответствующий взвешенный вход Z.

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

В этом примере показано, как вычислить расстояния 10 нейронов, расположенных в 3-мерном пространстве.

Задайте случайную матрицу положений для 10 нейронов, расположенных в 3-мерном пространстве, и затем найдите их расстояния.

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

Входные параметры

свернуть все

Матрица веса в виде S- R матрица.

Введите матрицу в виде R- Q матрица Q введите (столбец) векторы.

Матрица положений нейрона в виде N- S матрица.

Выходные аргументы

свернуть все

Матрица векторных расстояний, возвращенных как S- Q матрица.

Матрица расстояний, возвращенных как S- S матрица.

Больше о

свернуть все

Сетевое использование

Чтобы изменить сеть так, входной вес использует mandist, установите net.inputWeights{i,j}.weightFcn к 'mandist'. Для веса слоя, набор net.layerWeights{i,j}.weightFcn к 'mandist'.

Чтобы изменить сеть так, топология слоя использует mandist, установите net.layers{i}.distanceFcn к 'mandist'.

В любом случае вызовите sim симулировать сеть с dist. Смотрите newpnn или newgrnn для примеров симуляции.

Алгоритмы

Манхэттенское расстояние D между двумя векторами X и Y 

D = sum(abs(x-y))

Смотрите также

| |

Представлено до R2006a

Документация Deep Learning Toolbox

Поддержка