Main Content

ニューラル ネットワーク Simulink ブロック ライブラリ

Deep Learning Toolbox™ 製品が提供する一連のブロックを使用すると、Simulink® を使用してニューラル ネットワークを構築できます。また、関数 gensim は、それらのブロックを使用して、MATLAB® を使って作成した任意のネットワークの Simulink バージョンを生成できます。

Deep Learning Toolbox ブロック ライブラリを開くには、MATLAB コマンド ウィンドウで次のように入力します。

neural

このコマンドは、5 つのブロックを含むライブラリ ウィンドウを開きます。これらの各ブロックには、追加ブロックが含まれています。

伝達関数ブロック

neural ライブラリ ウィンドウで Transfer Functions ブロックをダブルクリックすると、各伝達関数ブロックを含むウィンドウが開きます。

これらの各ブロックは、正味入力ベクトルを取り、対応する出力ベクトルを生成します。出力ベクトルの次元は入力ベクトルと同じです。

正味入力ブロック

neural ライブラリ ウィンドウで Net Input Functions ブロックをダブルクリックすると、2 つの正味入力関数ブロックを含むウィンドウが開きます。

これらの各ブロックは、任意の数の重み付き入力ベクトル、重み層出力ベクトル、およびバイアス ベクトルを取り、正味入力ベクトルを返します。

重みブロック

neural ライブラリ ウィンドウで Weight Functions ブロックをダブルクリックすると、3 つの重み関数ブロックを含むウィンドウが開きます。

これらの各ブロックは、ニューロンの重みベクトルを取り、それを入力ベクトル (または層出力ベクトル) に適用し、ニューロンの重み付き入力値を求めます。

これらのブロックは、ニューロンの重みベクトルが列ベクトルであることを想定しています。これは、Simulink 信号を列ベクトルにすることができますが、行列や行ベクトルにはできないためです。

この制限の結果として、S 個のニューロンをもつ層への重み行列を実装するには、S 個 (各行に対し 1 つ) の重み関数ブロックを作成しなければなりません。

これは、他の 2 種類のブロックとは対照的です。各層に必要な正味入力関数と伝達関数はどちらも 1 つだけです。

処理ブロック

neural ライブラリ ウィンドウで Processing Functions ブロックをダブルクリックすると、複数の処理ブロックとそれらに対応する反転処理ブロックを含むウィンドウが開きます。

これらの各ブロックを使用して、入力の前処理や出力の後処理を行うことができます。