小弟不才,最近在学神经网络用于我们实验室的一款机器人的动力学辩识,由于最终的程序需要用C/C++编写,另外为了更加深入了解MATLAB神经网络工具箱的原理,因此花了一点时间研究了一下静态神经网络与动态特别是时间序列的神经网络的net数据的提取,与大家分享。
每个神经网络都需要一个network这么一个数据,一般MATLAB给出的变量名为net. 要想将这个net包含的数据提取出来并且用于另外的数据拟合或者控制算法程序,就需要知道net的运算方法与其包含的数据的内容。
重点:1.数据的配置
net的输入与输出数据都会调用一个processFcns(默认为mapminmax函数),正则化以后的数据才会视为net的输入和输出,比如net.inputs{1}.processFcns会返回第一个输入向量的正则化函数。
2.processFcns的参数
以mapminmax函数为例,参数设置processSettings是一个与之对应的结构体,比如mapminmax('apply',data,processSettings)会返回在processSettings下的data正则化后的数据。
3.输入与输出的权值矩阵
比如net.IW{1,1}代表第一个输入向量的权值矩阵,net.LW{2,1}一般为第一个输出向量的权值矩阵(只有一个隐藏层的情况),net.LW的第一行一般为隐藏层的权值矩阵
4.输出的反正则化
就像第一条说的那样net接收的是正则化以后的数据,因此最后的输出需要反正则化,比如mapminmax函数需要调用mapminmax('reverse',output,processSettings)进行反正则化。
掌握以上4条基本上静态的神经网络就没有什么问题