Нейронная сеть векторного квантования обучения
lvqnet(hiddenSize,lvqLR,lvqLF)
Нейронные сети LVQ (векторное квантование обучения) состоят из двух уровней. Первый уровень отображает входные векторы в кластеры, которые обнаруживаются сетью во время обучения. Второй уровень объединяет группы кластеров первого уровня в классы, определенные целевыми данными.
Общее количество кластеров первого слоя определяется количеством скрытых нейронов. Чем больше скрытый слой, тем больше кластеров может узнать первый слой, и тем более сложное отображение входных данных в целевые классы. Относительное количество кластеров первого уровня, назначенных каждому целевому классу, определяется согласно распределению целевых классов во время инициализации сети. Это происходит, когда сеть настраивается автоматически в первый раз. train вызывается или вручную конфигурируется с помощью функции configureили инициализировано вручную с помощью функции init вызывается.
lvqnet(hiddenSize,lvqLR,lvqLF) принимает эти аргументы,
hiddenSize | Размер скрытого слоя (по умолчанию = 10) |
lvqLR | Коэффициент обучения LVQ (по умолчанию = 0,01) |
lvqLF | Функция обучения LVQ (по умолчанию = |
и возвращает нейронную сеть LVQ.
Другой вариант для lvq функция обучения learnlv2.
Здесь обучают сеть LVQ классифицировать цветки радужки.
[x,t] = iris_dataset; net = lvqnet(10); net.trainParam.epochs = 50; net = train(net,x,t); view(net) y = net(x); perf = perform(net,y,t) classes = vec2ind(y);
perf =
0.0489
