文档帮助中心
训练分类一个SOFTMAX层
净= trainSoftmaxLayer(X,T)
净= trainSoftmaxLayer(X,T,名称,值)
例
净= trainSoftmaxLayer(X,Ť)训练一SOFTMAX层,净对输入数据X和目标Ť。
净= trainSoftmaxLayer(X,Ť)
净
X
Ť
净= trainSoftmaxLayer(X,Ť,名称,值)训练一SOFTMAX层,净与由一个或多个指定的附加选项名称,值对参数。
净= trainSoftmaxLayer(X,Ť,名称,值)
名称,值
例如,您可以指定损失函数。
全部收缩
加载样本数据。
[X,T] = iris_dataset;
X是虹膜花四个属性一个4x150矩阵:萼片长度,萼片宽度,花瓣长度,花瓣宽度。
Ť是限定了3×150矩阵相关联的类载体,其中三类的每个输入被分配给。每一行对应于表示虹膜物种(类)中的一个的虚拟变量。在每列中,在三排中的一个1表示该特定的采样(观察或实例)所属的类。有一个在排为观察不属于其他类零。
培养使用的样品数据SOFTMAX层。
净= trainSoftmaxLayer(X,T);
分类观察到使用经训练的SOFTMAX层三种类别之一。
Y =净(X);
积使用目标的混淆矩阵和来自SOFTMAX层得到的分类。
plotconfusion(T,Y);
训练数据,指定为米-通过-ñ矩阵,其中米是的变量在训练数据的数量,ñ是观测(实施例)的数量。因此,每列X表示的样品。
数据类型:单|双
单
双
目标数据,指定为ķ-通过-ñ矩阵,其中ķ是类的数量,和ñ是观测值的数量。每一行是代表特定类的伪变量。换言之,每列代表一个样品,并且一列的所有条目是零,除了单一一个中的行。这种单一的条目表明该样品的类。
指定可选的用逗号分隔的对名称,值参数。名称是参数的名称和值是对应的值。名称必须出现引号内。您可以按照任何顺序指定多个名称和值对参数名1,值1,...,NameN,值N。
名称
值
名1,值1,...,NameN,值N
'MaxEpochs',400 'ShowProgressWindow',假
'MaxEpochs'
训练迭代的最大次数,指定为逗号分隔的一对组成的'MaxEpochs'和正整数值。
例:'MaxEpochs',500
'MaxEpochs',500
'LossFunction'
'crossentropy'
'MSE'
用于SOFTMAX层损失函数,指定为逗号分隔的一对组成的'LossFunction',要么'crossentropy'要么'MSE'。
MSE代表均方误差函数,其计算公式如下:
MSE
Ë = 1 ñ Σ Ĵ = 1 ñ Σ 一世 = 1 ķ ( Ť 一世 Ĵ - ÿ 一世 Ĵ ) 2 ,
哪里ñ是训练实例的数目,并且ķ是的类的数量。 Ť 一世 Ĵ 是个IJ所述目标矩阵的个条目,Ť和 ÿ 一世 Ĵ 是个一世从自动编码器输出第当输入向量是XĴ。
交叉熵函数为:
Ë = 1 ñ Σ Ĵ = 1 ñ Σ 一世 = 1 ķ Ť 一世 Ĵ LN ÿ 一世 Ĵ + ( 1 - Ť 一世 Ĵ ) LN ( 1 - ÿ 一世 Ĵ ) 。
例:'LossFunction', 'MSE'
'LossFunction', 'MSE'
'ShowProgressWindow'
真正
假
指示器以训练期间显示训练窗,指定为逗号分隔的一对组成的'ShowProgressWindow',要么真正要么假。
例:'ShowProgressWindow',假
'ShowProgressWindow',假
数据类型:合乎逻辑
合乎逻辑
'TrainingAlgorithm'
'trainscg'
训练用于训练SOFTMAX层算法,指定为逗号分隔的一对组成的'TrainingAlgorithm'和'trainscg',它代表缩放共轭梯度。
例:'TrainingAlgorithm', 'trainscg'
'TrainingAlgorithm', 'trainscg'
网络
用于分类使用SoftMax层,返回为网络目的。所述SOFTMAX层,净是尺寸与目标相同Ť。
堆|trainAutoencoder
堆
trainAutoencoder
Existe UNA版本修订于德埃斯特ejemplo EN苏SISTEMA。¿Prefiere abrir ESTA版本?
哈HECHO CLIC恩未缠绕阙corresponde一个埃斯特COMANDO德MATLAB:
Ejecute EL COMANDOintroduciéndolo带拉本塔纳去comandos日MATLAB。洛杉矶navegadores网络没有admiten comandos日MATLAB。
选择一个网站,以获得翻译的内容,其中可用的,看到当地的活动和优惠。根据您的位置,我们建议您选择:。
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。
请联系您当地的办事处