Exponenta Banner
exponenta event banner

encode

Класс: Автоэнкодер

Закодируйте входные данные

развернуть все на странице

Синтаксис

Z = encode(autoenc,Xnew)

Описание

пример

Z = encode(autoenc,Xnew) возвращает закодированные данные, Z, для входных данных Xnew, используя автоэнкодер, autoenc.

Входные параметры

расширить все

Обученный автоэнкодер, возвращенный как объект Autoencoder класс.

Входные данные, заданные как матрица выборок, массив ячеек с данными изображения или массив данных с одним изображением.

Если автоэнкодер autoenc был обучен на матрице, где каждый столбец представляет одну выборку, затем Xnew должна быть матрицей, где каждый столбец представляет одну выборку.

Если автоэнкодер autoenc был обучен на массиве ячеек изображений, затем Xnew должен быть массивом ячеек с данными изображений или массивом с данными одиночных изображений.

Типы данных: single | double | cell

Выходные аргументы

расширить все

Данные, закодированные autoenc, заданный как матрица. Каждый столбец Z представляет закодированную выборку (наблюдение).

Типы данных: single | double

Примеры

расширить все

Открыть скрипт

Загрузите выборочные данные.

X = digitTrainCellArrayData;

X представляет собой массив ячеек 1 на 5000, где каждая камера содержит матрицу 28 на 28, представляющую синтетическое изображение рукописной цифры.

Обучите автоэнкодер скрытого размера 50 с помощью обучающих данных.

autoenc = trainAutoencoder(X,50);

Кодируйте декодированные данные для новых данных изображения.

Xnew = digitTestCellArrayData;
Z = encode(autoenc,Xnew);

Xnew - массив ячеек 1 на 5000. Z - матрица 50 на 5000, где каждый столбец представляет данные изображения одной рукописной цифры в новых данных Xnew.

Алгоритмы

Если вход автоэнкодера является вектором x∈ℝDx, затем энкодер преобразует вектор x в другой вектор z∈ℝD(1) следующим образом:

z=h(1)(W(1)x+b(1)),

где верхний индекс (1) указывает на первый слой. h(1):ℝD(1)→ℝD(1) является передаточной функцией для энкодера, W(1)∈ℝD(1)×Dx является весовой матрицей, и b(1)∈ℝD(1) является вектором смещения.

См. также

| |

Введенный в R2015b

Документация по Deep Learning Toolbox

Поддержка