网络

转换Autoencoder对象进网络对象

展开全部页面

语法

Net = network(autoenc)

网=网络(autoenc）返回一个网络对象，它等价于自动编码器，autoenc．

类的对象返回的经过训练的自动编码器Autoencoder类。

神经网络，那相当于自编码器autoenc对象的对象返回网络类。

打开实时脚本

加载样例数据。

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。

在属性数据上训练一个自动编码器。

autoenc = trainAutoencoder(X);

图神经网络训练(03- march -2023 09:06:55)包含一个uigridlayout类型的对象。

从自动编码器创建一个网络对象，autoenc．

Net = network(autoenc);

利用网络预测属性，网．

Xpred = net(X);

在实际和估计的属性数据之间拟合线性回归模型。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, Xpred，“一个”）

C = 0.9996

S = 0.9981

B = 0.1245

相关系数接近于1，说明属性数据与神经网络估计高度接近。

绘制实际数据和拟合直线。

plotregression (X, Xpred);

图回归(plotregression)包含一个轴对象。标题为:R=0.99964, xlabel Target, ylabel Output ~= 1*Target + 0.12的axes对象包含3个类型为line的对象。一行或多行仅使用标记显示其值。这些对象表示Y = T, Fit, Data。

数据似乎在拟合的直线上，这在视觉上支持了预测非常接近实际数据的结论。金宝app

在R2015b中引入