comando newff

Neural Network Toolbox
Sistemas Conexionistas - Curso 08/09
La Neural Network Toolbox es un paquete de Matlab que contiene una serie de funciones
para crear y trabajar con redes de neuronas artificiales. Con help nnet se obtiene la lista
de todas las funciones de este paquete.

1.
1.1.

Adaline
Funciones generales

mse Calcula el error cuadr´atico medio y se utiliza para evaluar la precisi´on deuna red de
neuronas.
error = mse(salida_deseada - salida_obtenida)
maxlinlr Calcula la velocidad m´axima de aprendizaje para una red lineal. Toma como
par´ametro obligatorio los patrones de entrada a la red, los cuales se disponen en una
matriz en la que cada columna representa un patr´on de entrada.
P = [e11 e12; e21 e22]
lr = maxlinlr(P)
lr = maxlinlr(P,’bias’)
learnwh Algoritmo de aprendizajeLMS (Widrow-Hoff). En un ciclo de aprendizaje, calcula la variaci´on de los pesos como dw = lr ∗ e ∗ p y la variaci´on del bias como
db = lr ∗ e. Su sintaxis es:
dW = learnwh(W,P,[],[],[],T,E,[],[],[],LP,[]);
donde

W es la matriz de pesos de tama˜
no SxR, cada fila representa los pesos de un
elemento de procesado
P es la matriz de entrada de tama˜
no RxQ, cada columna representa un patr´on
deentrada
T es la matriz de salidas deseadas de tama˜
no SxQ, cada columna representa
una salida deseada
E es la matriz de errores de tama˜
no SxQ, con un error por columna
LP es una estructura que contiene los par´ametros de aprendizaje. En concreto:
• LP.lr es la velocidad de aprendizaje (learning rate)
• LP.mc es el momento (momentum constant)
• LP.dr es la tasa de decaimiento (decay rate)
Estafunci´on devuelve una matriz de tama˜
no SxR que contiene el incremento de los
pesos.

2.
2.1.

Perceptr´
on multicapa
Creaci´
on

El comando newff crea una red de neuronas de tipo feedforward.
En la versi´on 6 de la Neural Network Toolbox (laboratorio de pr´acticas), su sintaxis es:
net = newff(P, T, [S1 S2...S(N - 1)],{TF1 TF2...TFN},BTF,BLF,PF)
P Matriz con los patrones de entrada
T Matriz con lassalidas deseadas
Si Tama˜
no de la capa i (s´olo capas ocultas)
TFi Funci´on de transferencia de la capa i, por defecto es ’tansig’ para las capas ocultas
y ’purelin’ para la capa de salida.

2

BTF Funci´on de entrenamiento, por defecto ’trainlm’.
BLF Funci´on de aprendizaje de los pesos/bias, por defecto ’learngdm’.
PF Funci´on de evaluaci´on, por defecto ’mse’
Esta funci´on devuelve una redfeedforward con N capas.
Para versiones anteriores de la Neural Network Toolbox, la sintaxis cambia:
net = newff(PR,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF)
PR Matriz con los valores m´ınimo y m´aximo de cada una de las componentes de los
patrones de entrada
Si Tama˜
no de la capa i
TFi Funci´on de transferencia de la capa i, por defecto es ’tansig’.
BTF Funci´on de entrenamiento, por defecto’trainlm’.
BLF Funci´on de aprendizaje de los pesos/bias, por defecto ’learngdm’.
PF Funci´on de evaluaci´on, por defecto ’mse’
Esta funci´on devuelve una red feedforward con N capas.
Funciones de transferencia
Un elemento de procesado tiene N entradas. La suma de estas entradas ponderadas por los
pesos y el bias constituye la entrada a la funci´on de transferencia, la cual determina c´omo
ser´an lassalidas del elemento de procesado. Los elementos de procesado pueden utilizar
cualquier tipo de funci´on de transferencia diferenciable para generar su salida, por ejemplo:

3

La funci´on de transferencia de una capa se establece al crear la red o bien alterando el
valor del par´ametro NET.layers{i}.transferFcn en una red existente.
Es muy importante que la funci´on de transferencia se adec´
ue alproblema a resolver.

2.2.

Entrenamiento

Una vez creada la red, el siguiente paso es realizar el entrenamiento con los patrones de
entrada y las salidas deseadas. Existen dos tipos de entrenamiento:
Est´
atico En cada ciclo de entrenamiento se recalculan los pesos de la red tras presentar
todos los patrones de entrenamiento. Se realiza con la funci´on train:
[net,TR,Y,E] = train(NET,P,T)...