Класс: автоэнкодер
Сложите энкодеры от нескольких автоэнкодеров вместе
stackednet = stack(autoenc1,autoenc2,...)stackednet = stack(autoenc1,autoenc2,...,net1)stackednet = stack(autoenc1,autoenc2,...) возвращает объект network, созданный путем укладки энкодеров автоэнкодеров, autoenc1, autoenc2, и так далее.
Загрузите данные тренировки.
[X,T] = iris_dataset;
Обучите автоэнкодер со скрытым слоем размера 5 и линейная передаточная функция для декодера. Установите вес L2 regularizer на 0,001, разреженность regularizer к 4 и пропорция разреженности к 0,05.
hiddenSize = 5; autoenc = trainAutoencoder(X, hiddenSize, ... 'L2WeightRegularization', 0.001, ... 'SparsityRegularization', 4, ... 'SparsityProportion', 0.05, ... 'DecoderTransferFunction','purelin');
Извлеките функции в скрытом слое.
features = encode(autoenc,X);
Обучите softmax слой классификации с помощью features.
softnet = trainSoftmaxLayer(features,T);
Сложите энкодер и softmax слой, чтобы сформировать глубокую сеть.
stackednet = stack(autoenc,softnet);
Просмотрите сложенную сеть.
view(stackednet);
Размер скрытого представления одного автоэнкодера должен совпадать с входным размером следующего автоэнкодера или сети в стеке.
Первый входной параметр сложенной сети является входным параметром первого автоэнкодера. Выходным аргументом от энкодера первого автоэнкодера является вход второго автоэнкодера в сложенной сети. Выходным аргументом от энкодера второго автоэнкодера является входной параметр к третьему автоэнкодеру в сложенной сети и так далее.
Сложенный сетевой объект stacknet наследовал свои учебные параметры от итогового входного параметра net1.