预测
使用训练过的自编码器重建输入
输入参数
输出参数
例子
使用训练过的自动编码器预测连续测量
加载训练数据。
X = iris_dataset;
训练数据包含鸢尾花四种属性的测量值:萼片长度、萼片宽度、花瓣长度、花瓣宽度。
在编码器中使用正饱和线性传递函数,在解码器中使用线性传递函数,在训练数据上训练一个自编码器。
autoenc = trainAutoencoder(X,“EncoderTransferFunction”,...“satlin”,“DecoderTransferFunction”,“purelin”);
使用训练过的网络重建测量值,autoenc
.
xrebuild = predict(autoenc,X);
将预测测量值与训练数据集中的实际值一起绘制出来。
为I = 1:4 h(I) = subplot(1,4, I);情节(X(我,:),“r”。);持有在情节(xReconstructed(我,:),“去”);持有从;结束标题(h (1) {“花萼”;“长度”});标题(h (2) {“花萼”;“宽度”});标题(h (3) {“花瓣”;“长度”});标题(h (4) {“花瓣”;“宽度”});
红点代表训练数据,绿圈代表重构数据。
利用稀疏自编码器重建手写数字图像
加载训练数据。
XTrain = digitTrainCellArrayData;
训练数据是一个1乘5000的单元格阵列,其中每个单元格包含一个28乘28的矩阵,表示一个手写数字的合成图像。
用包含25个神经元的隐藏层训练一个自动编码器。
hiddenSize = 25;autoenc = trainAutoencoder(XTrain,hiddenSize,...“L2WeightRegularization”, 0.004,...“SparsityRegularization”4...“SparsityProportion”, 0.15);
加载测试数据。
XTest = digitTestCellArrayData;
测试数据是一个1 × 5000单元格数组,每个单元格包含一个28 × 28矩阵,表示一个手写数字的合成图像。
使用训练过的自编码器重构测试图像数据,autoenc
.
xrebuild = predict(autoenc,XTest);
查看实际测试数据。
图;为I = 1:20 subplot(4,5, I);imshow (XTest{我});结束
查看重构的测试数据。
图;为I = 1:20 subplot(4,5, I);imshow (xReconstructed{我});结束
版本历史
在R2015b中引入
另请参阅
MATLAB命令
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。