patternnet

Сгенерируйте сеть распознавания образов

Описание

пример

net = patternnet(hiddenSizes,trainFcn,performFcn) возвращает нейронную сеть распознавания образов с размером скрытого слоя hiddenSizes, учебная функция, заданная trainFcn, и функция эффективности, заданная performFcn.

Сети распознавания образов являются сетями прямого распространения, которые могут быть обучены классифицировать входные параметры согласно целевым классам. Целевые данные для сетей распознавания образов должны состоять из векторов из всех нулевых значений за исключением 1 в элементе i, где i класс, который они должны представлять.

Примеры

свернуть все

В этом примере показано, как спроектировать сеть распознавания образов, чтобы классифицировать ирисовые цветы.

Загрузите обучающие данные.

[x,t] = iris_dataset;

Создайте сеть шаблона с одним скрытым слоем размера 10.

net = patternnet(10);

Обучите сеть net использование обучающих данных.

net = train(net,x,t);

Просмотрите обучивший сеть.

view(net)

Оцените цели с помощью обучившего сеть.

y = net(x);

Оцените эффективность обучившего сеть. Функция эффективности по умолчанию является среднеквадратической ошибкой.

perf = perform(net,t,y)
perf = 0.0302
classes = vec2ind(y);

Входные параметры

свернуть все

Размер скрытых слоев в сети в виде вектора-строки. Длина вектора определяет количество скрытых слоев в сети.

Пример: Например, можно задать сеть с 3 скрытыми слоями, где первый размер скрытого слоя равняется 10, второе равняется 8, и третье равняется 5 можно следующим образом: [10,8,5]

Размеры ввода и вывода обнуляются. Программное обеспечение настраивает размеры их во время обучения согласно обучающим данным.

Типы данных: single | double

Учебное имя функции в виде одного из следующих.

Учебная функцияАлгоритм
'trainlm'

Levenberg-Marquardt

'trainbr'

Байесова регуляризация

'trainbfg'

Квазиньютон BFGS

'trainrp'

Устойчивая обратная связь

'trainscg'

Масштабированный метод сопряженных градиентов

'traincgb'

Метод сопряженных градиентов с Перезапусками Powell/Beale

'traincgf'

Метод сопряженных градиентов Флетчера-Пауэлла

'traincgp'

Метод сопряженных градиентов Полака-Рибиера

'trainoss'

Один секанс шага

'traingdx'

Переменный градиентный спуск скорости обучения

'traingdm'

Градиентный спуск с импульсом

'traingd'

Градиентный спуск

Пример: Например, можно задать переменный алгоритм градиентного спуска скорости обучения как алгоритм настройки можно следующим образом: 'traingdx'

Для получения дополнительной информации об учебных функциях смотрите, Обучают и Применяют Многоуровневые Мелкие Нейронные сети и Выбирают Multilayer Neural Network Training Function.

Типы данных: char

Функция эффективности. Значением по умолчанию является 'crossentropy'.

Этот аргумент задает функцию, используемую, чтобы измерить уровень сети. Функция эффективности используется, чтобы вычислить производительность сети во время обучения.

Для списка функций, в окне команды MATLAB, help nnperformance типа.

Выходные аргументы

свернуть все

Нейронная сеть распознавания образов, возвращенная как network объект.

Представленный в R2010b
Для просмотра документации необходимо авторизоваться на сайте