Класс: Автокодировщик
Стек кодеров из нескольких автокодеров вместе
stackednet = stack(autoenc1,autoenc2,...) возвращает network объект, созданный путем наложения кодеров автокодеров, autoenc1, autoenc2и так далее.
Загрузите данные обучения.
[X,T] = iris_dataset;
Подготовка автокодера со скрытым слоем размера 5 и линейной передаточной функцией для декодера. Установите регуляризатор массы L2 на 0,001, регуляризатор разреженности на 4 и пропорцию разреженности на 0,05.
hiddenSize = 5; autoenc = trainAutoencoder(X, hiddenSize, ... 'L2WeightRegularization', 0.001, ... 'SparsityRegularization', 4, ... 'SparsityProportion', 0.05, ... 'DecoderTransferFunction','purelin');
Извлеките элементы из скрытого слоя.
features = encode(autoenc,X);
Обучение уровня softmax классификации с использованием features .
softnet = trainSoftmaxLayer(features,T);
Скопируйте кодер и уровень softmax для формирования глубокой сети.
stackednet = stack(autoenc,softnet);
Просмотр накопленной сети.
view(stackednet);
Размер скрытого представления одного автокодера должен соответствовать входному размеру следующего автокодера или сети в стеке.
Первый входной аргумент накопленной сети является входным аргументом первого автокодера. Выходной аргумент от кодера первого автокодера является входом второго автокодера в сети со стопкой. Выходной аргумент от кодера второго автокодера является входным аргументом для третьего автокодера в сети со стопкой и так далее.
Сложенный сетевой объект stacknet наследует параметры обучения из последнего входного аргумента net1.