堆栈

类别：自编码

将多个自动编码器的编码器堆叠在一起

在第页中展开全部

语法

stackednet=堆栈（autoenc1、autoenc2等）

stackednet=堆栈（autoenc1，autoenc2，…，net1）

stackednet=堆栈（autoenc1、autoenc2等）返回一个网络通过堆叠自动编码器的编码器创建的对象，自动加密1,自动加密2等等

stackednet=堆栈（autoenc1，autoenc2，…，net1）返回通过堆叠自动编码器的编码器和网络对象创建的网络对象网络1.

只有当自动编码器和网络对象的尺寸匹配时，才能堆叠它们。

经过培训的自动编码器，指定为自编码对象

经过培训的自动编码器，指定为自编码对象

经过训练的神经网络，指定为网络对象网络1可以是softmax图层，使用trainSoftmaxLayer作用

堆叠式神经网络（深度网络），返回为网络对象

开放脚本

加载训练数据。

[X，T]=iris_数据集；

训练一个具有大小为5的隐藏层和解码器线性传递函数的自动编码器。将L2权重正则化器设置为0.001，稀疏正则化器设置为4，稀疏比例设置为0.05。

hiddenSize=5；autoenc=列车自动编码器（X，hiddenSize，...“L2加权正则化”, 0.001,...“稀疏规则化”4....“稀疏比例”, 0.05,...“DecoderTransferFunction”,“普瑞林”);

提取隐藏层中的特征。

特征=编码（自动加密，X）；

使用特征.

softnet=trainSoftmaxLayer（特征，T）；

堆叠编码器和softmax层以形成一个深度网络。

stackednet=堆栈（autoenc、softnet）；

查看堆叠网络。

视图（stackednet）；

一个自动编码器的隐藏表示的大小必须与堆栈中下一个自动编码器或网络的输入大小匹配。
堆叠网络的第一个输入参数是第一个自动编码器的输入参数。第一个自动编码器的编码器的输出参数是堆叠网络中第二个自动编码器的输入。第二个自动编码器的编码器的输出参数是堆叠网络中第三个自动编码器的输入参数，依此类推。
堆叠网络对象斯塔克内特从最终输入参数继承其训练参数网络1.