network

Класс: автоэнкодер

Преобразуйте Autoencoder объект в network объект

Синтаксис

Описание

пример

net = network(autoenc) возвращает сетевой объект, который эквивалентен автоэнкодеру, autoenc.

Входные параметры

развернуть все

Обученный автоэнкодер, возвращенный как объект Autoencoder класс.

Выходные аргументы

развернуть все

Нейронная сеть, которая эквивалентна автоэнкодеру autoenc, возвращенный как объект network класс.

Примеры

развернуть все

Загрузите выборочные данные.

X = bodyfat_dataset;



X = bodyfat_dataset;

X 13 252 матрица, задающая тринадцать атрибутов 252 различных окружений. Для получения дополнительной информации о данных введите help house_dataset в командной строке.

Обучите автоэнкодер на данных об атрибуте.

autoenc = trainAutoencoder(X);

Создайте сетевой объект из автоэнкодера, autoenc .

net = network(autoenc);

Предскажите атрибуты с помощью сети, net .

Xpred = net(X);

Подбирайте модель линейной регрессии между фактическими и предполагаемыми данными об атрибутах. Вычислите предполагаемый Коэффициент корреляции пирсона, наклон и точку пересечения (смещение) модели регрессии, с помощью всех данных об атрибуте в качестве одного набора данных.

[C, S, B] = regression(X, Xpred, 'one')
C = 0.9997
S = 0.9985
B = 0.1101

Коэффициент корреляции - почти 1, который указывает, что данные об атрибутах и оценки от нейронной сети высоко друг близко к другу.

Отобразите на графике фактические данные и подходящую линию.

plotregression(X, Xpred);

Figure Regression (plotregression) contains an axes. The axes with title : R=0.99969 contains 3 objects of type line. These objects represent Y = T, Fit, Data.

Данные, кажется, находятся на подходящей линии, которая визуально поддерживает заключение, что предсказания очень близко к фактическим данным.

Смотрите также

|

Введенный в R2015b
Для просмотра документации необходимо авторизоваться на сайте