编码

类:Autoencoder

编码输入数据

展开全部页面

语法

Z = encode(autoenc,Xnew)

描述

例子

Z=编码(autoenc，Xnew）返回编码的数据，Z，为输入数据Xnew，使用自动编码器，autoenc．

输入参数

全部展开

`autoenc`- - - - - -训练autoencoder
`Autoencoder`对象

类的对象返回的经过训练的自动编码器Autoencoder类。

`Xnew`- - - - - -输入数据
矩阵|单元格数组的图像数据|单幅图像数据数组

输入数据，指定为样本矩阵、图像数据单元数组或单个图像数据数组。

如果是自编码器autoenc是在一个矩阵上训练的，其中每一列代表一个样本，那么Xnew必须是一个矩阵，其中每一列代表一个样本。

如果是自编码器autoenc是用单元格图像数组训练的吗Xnew必须是图像数据的单元格数组或单个图像数据的数组。

数据类型:单|双|细胞

输出参数

全部展开

`Z`-由`autoenc`
矩阵

数据编码为autoenc，指定为一个矩阵。的每一列Z表示一个编码的样本(观察值)。

数据类型:单|双

例子

全部展开

编码解码数据的新图像

打开脚本

加载样例数据。

X = digitTrainCellArrayData;

X是1 × 5000单元格数组，其中每个单元格包含一个28 × 28矩阵，表示手写数字的合成图像。

使用训练数据训练一个隐藏大小为50的自动编码器。

autoenc = trainAutoencoder(X,50);

编码解码数据为新的图像数据。

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

Xnew是1 × 5000单元格数组。Z是一个50 × 5000的矩阵，其中每一列表示新数据中一个手写数字的图像数据Xnew．

算法

如果自编码器的输入是一个向量 $x \in ℝ^{D_{x}}$ ，则编码器映射向量x到另一个向量 $z \in ℝ^{D^{（ 1 ）}}$ 如下:

$z ＝ h^{^{（ 1 ）}} （ W^{（ 1 ）} x + b^{（ 1 ）} ），$

其中上标(1)表示第一层。 $h^{（ 1 ）} ： ℝ^{D^{（ 1 ）}} \to ℝ^{D^{（ 1 ）}}$ 是编码器的传递函数， $W^{（ 1 ）} \in ℝ^{D^{（ 1 ）} \times D_{^{x}}}$ 是权重矩阵，和 $b^{（ 1 ）} \in ℝ^{D^{（ 1 ）}}$ 是偏置向量。