堆栈

类:Autoencoder

从几个autoencoders堆栈编码器在一起

扩展所有的页面

语法

stackednet =堆栈(autoenc1 autoenc2,…)

stackednet =堆栈(net1 autoenc1, autoenc2,…)

描述

stackednet =堆栈(autoenc1 autoenc2,…)返回一个网络对象由叠加autoencoders编码器,autoenc1,autoenc2,等等。

例子

stackednet =堆栈(net1 autoenc1, autoenc2,…)返回一个网络对象由叠加的编码器autoencoders和网络对象net1。

autoencoders和网络对象只能堆放如果维度匹配。

输入参数

全部展开

`autoenc1`- - - - - -训练autoencoder
`Autoencoder`对象

训练有素的autoencoder,指定为一个Autoencoder对象。

`autoenc2`- - - - - -训练autoencoder
`Autoencoder`对象

训练有素的autoencoder,指定为一个Autoencoder对象。

`net1`- - - - - -训练神经网络
`网络`对象

训练神经网络,作为一个指定网络对象。net1softmax层,训练用的吗trainSoftmaxLayer函数。

输出参数

全部展开

`stackednet`——多层神经网络
`网络`对象

多层神经网络(深层网络),作为一个返回网络对象

例子

全部展开

创建一个堆网络

打开生活的脚本

加载训练数据。

[X, T] = iris_dataset;

火车与一个隐藏层autoencoder大小5和译码器的线性传递函数。设置L2体重调整至0.001,稀疏调整到4和稀疏比例为0.05。

hiddenSize = 5;hiddenSize autoenc = trainAutoencoder (X,…“L2WeightRegularization”,0.001,…“SparsityRegularization”4…“SparsityProportion”,0.05,…“DecoderTransferFunction”,“purelin”);

数字神经网络训练(03 - mar - 2023 09:03:59)包含一个uigridlayout类型的对象。

提取特征隐藏层。

特点=编码(autoenc X);

火车softmax层分类使用特性。

softnet = trainSoftmaxLayer(功能、T);

数字神经网络训练(03 - mar - 2023 09:04:13)包含一个uigridlayout类型的对象。

堆栈编码器和将softmax层形成一个网络。

stackednet =堆栈(autoenc softnet);

查看叠加网络。

视图(stackednet);

提示

隐藏的大小表示一个autoencoder必须匹配输入的下一个autoencoder或网络堆栈的大小。
第一个输入参数的堆叠第一autoencoder网络的输入参数。编码器的输出参数的第一autoencoder是输入第二autoencoder堆叠网络。第二autoencoder编码器的输出参数是输入参数的第三autoencoder多层网络,等等。
多层网络对象stacknet继承其训练参数从最后的输入参数net1。