文件帮助中心文件
班级:autoencoder.
使用培训的autoencoder重建输入
y =预测(autoenc,x)
例子
y =预测(autoenc,x)返回预测y输入数据X,使用autoencoder自动化。结果y是一个重构X。
y
X
自动化
展开全部
autoencoder.
训练有素的autoencoder,作为对象返回autoencoder.班级。
Xnew.
输入数据,指定为样本的矩阵,图像数据的小区阵列,或单个图像数据的阵列。
如果是autoencoder.自动化在矩阵上培训,其中每列代表单个样本,然后Xnew.必须是矩阵,其中每列代表单个样本。
如果是autoencoder.自动化然后在细胞的图像阵列上培训Xnew.必须是图像数据的小区阵列或单个图像数据的数组。
数据类型:单身的|双倍的|细胞
单身的
双倍的
细胞
输入数据的预测Xnew.,返回为矩阵或图像数据的小区阵列。
如果Xnew.是一个矩阵,然后y也是一种矩阵,其中每列对应于单个样本(观察或示例)。
如果Xnew.是图像数据的单元格数组,然后y也是图像数据的单元阵列,其中每个单元包含单个图像的数据。
如果Xnew.然后是单个图像数据的数组y也是单个图像数据的数组。
加载培训数据。
x = iris_dataset;
训练数据包含虹膜花的四个属性的测量:萼片长度,萼片宽度,花瓣长,花瓣宽度。
在解码器中的编码器和线性传递函数中的正饱和线性传递函数在训练数据上培训AutoEncoder。
autoenc = trainautoencoder(x,'ercodertransferfunction'那......'萨特琳'那'decodertransferfunction'那'purelin');
使用培训的网络重建测量值,自动化。
XReconstructed =预测(autoenc,x);
将预测的测量值与训练数据集中的实际值绘制。
为了i = 1:4 h(i)=子图(1,4,i);plot(x(我,:),'r。');抓住在绘图(XReconstructed(我,:),'去');抓住离开;结尾标题(H(1),{'萼片';'长度'});标题(H(2),{'萼片';'宽度'});标题(H(3),{'花瓣';'长度'});标题(H(4),{'花瓣';'宽度'});
红色点表示训练数据,绿色圆圈代表重建的数据。
xtrain = digittraincellarraydata;
训练数据是一个1×5000个单元阵列,其中每个单元包含表示手写数字的合成图像的28×28矩阵。
用含有25个神经元的隐藏层训练AutoEncoder。
hiddensize = 25;autoenc = trainautoencoder(xtrain,hiddensize,......'l2weightregularization',0.004,......'sparsityRegularization',4,......'sparsityproport',0.15);
加载测试数据。
xtest = digittestcellarraydata;
测试数据是一个1×5000个单元阵列,每个单元包含一个表示手写数字的合成图像的28×28矩阵。
使用培训的autoencoder重建测试图像数据,自动化。
XReconstructed =预测(Autoenc,XTest);
查看实际的测试数据。
数字;为了我= 1:20子图(4,5,i);imshow(xtest {i});结尾
查看重建的测试数据。
数字;为了我= 1:20子图(4,5,i);imshow(xreconstructed {i});结尾
TrainAutoencoder.
您有此示例的修改版本。您是否希望使用您的编辑打开此示例?
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
联系您当地的办公室