dist——歐式距離加權函數（Euclidean distance weight function）
語法：
Z = dist(W,P)
df = dist('deriv')
D = dist(pos)
描述：dist是一個歐式距離加權函數，給一個輸入使用權值，去獲得加權的輸入。
1、dist(W,P)中：W——S×R的權值矩陣；P——R×Q的矩陣，表示Q個輸入（列）向量
2、dist('deriv')返回‘’，因為dist沒有導函數。
3、dist也是一個層距離函數，可以被用來尋找一層中神經元之間的距離。
dist(pos)輸入一個參數，pos——N×S的神經元位置矩陣，返回S×S的距離矩陣
例子：
1、這里，我們定義一個隨機權重矩陣W，以及輸入向量P，並且計算相應的加權輸入Z
W = rand(4,3);
P = rand(3,1);
Z = dist(W,P)
2、我們定義10個神經元的隨機的位置矩陣，並且尋找他們的距離,這些神經元是在3維空間中的。
pos = rand(3,10);
D = dist(pos)
綜上可知：
dist可以計算樣本集中多個樣本兩兩之間的距離矩陣。
對於圖像I，將其分成n個超像素，每個超像素的特征有3維，那么形成3×n的超像素特征矩陣M，每列表示一個超像素。
此時，使用dist(M)，就會得到一個n×n的矩陣N，其中的元素Nij表示的是第i個超像素和第j個超像素特征之間的歐式距離。