lvqnet

Нейронная сеть обучения вектора квантования

Синтаксис

lvqnet(hiddenSize,lvqLR,lvqLF)

Описание

LVQ (обучение вектора квантование) нейронные сети состоят из двух слоев. Первый слой преобразует входные векторы в кластеры, которые найдены сетью во время обучения. Второй слой объединяет группы кластеров первого слоя в классы, заданные целевыми данными.

Общее количество кластеров первого слоя определяется количеством скрытых нейронов. Чем больше скрытый слой, тем больше кластеров может узнать первый слой, и может быть сделано более комплексное отображение входов с целевыми классами. Относительное количество кластеров первого слоя, назначенных каждому целевому классу, определяется согласно распределению целевых классов во время инициализации сети. Это происходит при первой автоматической настройке сети train вызывается или вручную конфигурируется функцией configure, или инициализированный вручную функцией init вызывается.

lvqnet(hiddenSize,lvqLR,lvqLF) принимает эти аргументы,

hiddenSize

Размер скрытого слоя (по умолчанию = 10)

lvqLR

Скорость обучения LVQ (по умолчанию = 0,01)

lvqLF

Функция LVQ-обучения (по умолчанию = 'learnlv1')

и возвращает LVQ нейронную сеть.

Другая опция для lvq функция обучения learnlv2.

Примеры

Обучите сеть обучения Вектора квантования

Здесь сеть LVQ обучена классификации цветов 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

См. также

| |

Введенный в R2010b
Для просмотра документации необходимо авторизоваться на сайте