主要内容
网络
转换Autoencoder对象进网络对象
输入参数
输出参数
例子
从自动编码器创建网络
加载示例数据。
X = bodyfat_dataset;
X是一个13乘252的矩阵，定义了252个不同观测值的13个属性。有关数据的更多信息，请键入帮助bodyfat_dataset在命令行中。
训练属性数据的自动编码器。
autoenc = trainAutoencoder (X);
从自动编码器创建一个网络对象，autoenc．
网=网络(autoenc);
使用网络预测属性，净．
Xpred =净(X);
拟合实际属性数据与估计属性数据之间的线性回归模型。计算估计的Pearson相关系数，斜率和回归模型的截距(偏差)，使用所有属性数据作为一个数据集。
[C, S, B] =回归(X, X, X)“一个”）
C = 0.9997
S = 0.9984
B = 0.0960
相关系数接近1，说明属性数据与神经网络的估计高度接近。
绘制实际数据和拟合线。
plotregression (X, Xpred);
数据似乎在拟合线上，这在视觉上支持了预测与实际数据非常接近的结论。金宝app
介绍了R2015b
你也可以从以下列表中选择一个网站:
