dist

R2026b

（即将删除）欧几里德距离权重函数

全页折叠

以后的版本中将会删除 dist。有关详细信息，请参阅将旧版神经网络代码转移到 dlnetwork 工作流。

有关更新代码的建议，请参阅版本历史记录。

语法

Z = dist(W,P)
dim = dist('size',S,R,FP)
dw = dist('dw',W,P,Z,FP)
D = dist(pos)

描述

Z = dist(W,P) 接受一个 S×R 权重矩阵 W 和一个包含 Q 个输入（列）向量的 R×Q 矩阵 P，并返回一个由向量距离组成的 S×Q 矩阵 Z。

权重函数对输入应用权重以获得加权输入。

示例

dim = dist('size',S,R,FP) 接受层维度 S、输入维度 R 和函数参数 FP，返回权重大小 [S×R]。

dw = dist('dw',W,P,Z,FP) 返回 Z 关于 W 的导数。

dist 也是层距离函数，可用于找出一个层中神经元之间的距离。

D = dist(pos) 接受由神经元位置组成的 N×S 矩阵 pos，并返回由距离组成的 S×S 矩阵 D。

示例

全部折叠

此示例说明在给定随机权重矩阵 W 和输入向量 P 的情况下，如何计算对应的加权输入 Z。

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

在此处，您定义一个由在三维空间中排列的 10 个神经元的位置组成的随机矩阵，并找到这些神经元的距离。

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

输入参数

全部折叠

权重矩阵，指定为 S×R 矩阵。

输入矩阵，指定为一个由 Q 个输入（列）向量组成的 R×Q 矩阵。

层维度，指定为标量。

输入维度，指定为标量。

由神经元位置组成的矩阵，指定为 N×S 矩阵。

输出参量

全部折叠

向量距离，以 S×Q 矩阵形式返回。

权重大小，以行向量形式返回。

Z 关于 W 的导数，以元胞数组形式返回。

距离，以 S×S 矩阵形式返回。

详细信息

全部折叠

算法

两个向量 X 和 Y 之间的欧几里德距离 d 为

d = sum((x-y).^2).^0.5

版本历史记录

在 R2006a 之前推出

全部折叠

另请参阅

| (Statistics and Machine Learning Toolbox) | (Statistics and Machine Learning Toolbox) | | |

主题