帮助中心帮助中心
dist
欧几里德距离权重函数
Z = dist(W,P)
dim = dist('size',S,R,FP)
dw = dist('dw',W,P,Z,FP)
D = dist(pos)
示例
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。
Z
W
P
S
R
Q
权重函数对输入应用权重以获得加权输入。
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]。
dim
FP
dw = dist('dw',W,P,Z,FP) 返回 Z 关于 W 的导数。
dw
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。
D
pos
N
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)
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。
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。
您可以通过调用 newpnn 或 newgrnn 来创建使用 dist 的标准网络。
newpnn
newgrnn
要更改网络以使输入权重使用 dist,请将 net.inputWeights{i,j}.weightFcn 设置为 'dist'。对于层权重,请将 net.layerWeights{i,j}.weightFcn 设置为 'dist'。
net.inputWeights{i,j}.weightFcn
'dist'
net.layerWeights{i,j}.weightFcn
要更改网络以使层的拓扑使用 dist,请将 net.layers{i}.distanceFcn 设置为 'dist'。
net.layers{i}.distanceFcn
在任一情况下,调用 sim 以使用 dist 对网络进行仿真。
sim
有关仿真示例,请参阅 newpnn 或 newgrnn。
两个向量 X 和 Y 之间的欧几里德距离 d 为
X
Y
d
d = sum((x-y).^2).^0.5
在 R2006a 之前推出
sim | dotprod | negdist | normprod | mandist | linkdist
dotprod
negdist
normprod
mandist
linkdist
您点击的链接对应于以下 MATLAB 命令:
请在 MATLAB 命令行窗口中直接输入以执行命令。Web 浏览器不支持 MATLAB 命令。
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select: .
You can also select a web site from the following list:
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Contact your local office