Продукт Deep Learning Toolbox™ обеспечивает набор блоков, которые можно использовать, чтобы создать нейронные сети с помощью Simulink® программное обеспечение, или что функциональный gensim может использовать, чтобы сгенерировать версию Simulink любой сети, вы создали использование MATLAB® программное обеспечение.
Откройте библиотеку блоков Deep Learning Toolbox с командой:
neural
Это открывает окно библиотеки, которое содержит пять блоков. Каждый из этих блоков содержит дополнительные блоки.
Дважды кликните блок Transfer Functions в окне библиотеки Neural, чтобы открыть окно, содержащее несколько блоков передаточной функции.
Каждый из этих блоков берет сетевой входной вектор и генерирует соответствующий выходной вектор, размерности которого совпадают с входным вектором.
Дважды кликните блок Net Input Functions в окне библиотеки Neural, чтобы открыть окно, содержащее два блока сетевой функции ввода.
Каждый из этих блоков берет любое количество взвешенных входных векторов, выходных векторов слоя веса и векторов смещения, и возвращает сетевой входной вектор.
Дважды кликните блок Weight Functions в окне библиотеки Neural, чтобы открыть окно, содержащее три функциональных блока веса.
Каждый из этих блоков берет вектор веса нейрона и применяет его к входному вектору (или выходной вектор слоя), чтобы получить взвешенное входное значение для нейрона.
Важно отметить, что эти блоки ожидают, что вектор веса нейрона будет задан как вектор-столбец. Это вызвано тем, что Сигналы Simulink могут быть вектор-столбцами, но не могут быть матрицами или векторами-строками.
Также важно отметить, что из-за этого ограничения необходимо создать функциональные блоки веса S (один для каждой строки), чтобы реализовать матрицу веса, идущую в слой с нейронами S.
Это контрастирует с другими двумя видами блоков. Только одна сетевая функция ввода и один блок передаточной функции требуются для каждого слоя.
Дважды кликните блок Processing Functions в окне библиотеки Neural, чтобы открыть окно, содержащее обрабатывающие блоки и их соответствующие обрабатывающие реверс блоки.
Каждый из этих блоков может использоваться, чтобы предварительно обработать входные параметры и постобработать выходные параметры.
