Matlab神经网络——神经网络对象与属性

• 搬运《MATLAB神经网络原理与实例精解》中的相关解读

• 具体解读

• 我也是初学者，有什么疑问大家可以在评论区讨论。

• 新增转载部分

MATLAB中多层网络的net.lw{i,j}和net.b{k}的含义 - 知乎 (zhihu.com)

先假设神经网络结构，{ 9 [80 50 20] 1 }；9为输入层，[80 50 20]为隐层，1为输出层。

net.iw{1,1} 表示 输入层 到 第1层隐层 的权重，为80*9的矩阵；

net.lw{2,1} 表示 第1层隐层 到 第2层隐层 的权重，为50*80的矩阵；

net.lw{3,2} 表示 第2层隐层 到 第3层隐层 的权重，为20*50的矩阵；

net.lw{4,3} 表示 第3层隐层 到 输出层 的权重，为1*20的矩阵；

net.b{1} 表示 第1层隐层 的偏置，为80*1的矩阵；

net.b{2} 表示 第2层隐层 的偏置，为50*1的矩阵；

net.b{3} 表示 第3层隐层 的偏置，为20*1的矩阵；

net.b{4} 表示 输出层 的偏置，为1*1的矩阵；

可以以此类推。

所以net.iw{1,1}，模式也是固定的，仅表示输入层到第1层隐层的权重，之后就net.lw的事情了。net.lw{i,j} 表示 第j层隐层 到 第i层隐层 的权重。net.b{k} 表示 第k层隐层 的偏置或者说阈值，结构都为列向量。可以看出，这里假设的隐含层只有3层[80 50 20]，但net中将最后一层输出层也当隐含层用了，所以 i 和 k 可以取到4。

知道权重和偏置的位置，可以用算法优化，如遗传算法等。