patternnet

生成模式识别网络

折叠所有页面

语法

网= patternnet (hiddenSizes trainFcn performFcn)

净= patternnet (hiddenSizes，trainFcn，performFcn）返回隐藏层大小为的模式识别神经网络hiddenSizes，为训练函数，表示trainFcn，以及指定的性能函数performFcn．

模式识别网络是一种前馈网络，可以训练它根据目标类别对输入进行分类。模式识别网络的目标数据应该由除元素1外的所有零值的向量组成我,在那里我是他们要代表的阶级。

打开生活的脚本

这个例子展示了如何设计一个模式识别网络来分类鸢尾花。

加载训练数据。

[x, t] = iris_dataset;

构建一个隐藏层大小为10的模式网络。

网= patternnet (10);

培训网络净使用训练数据。

网=火车(净,x, t);

查看训练有素的网络。

视图(净)

用训练有素的网络估计目标。

y =净(x);

评估经过培训的网络的性能。默认的性能函数是均方误差。

穿孔=执行(净、t、y)

穿孔= 0.0302

类= vec2ind (y);

网络中隐藏层的大小，指定为行向量。向量的长度决定了网络中隐藏层的数量。

例子:例如，可以指定3个隐藏层的网络，其中第一个隐藏层大小为10，第二个隐藏层大小为8，第三个隐藏层大小为5，如下所示:(10、8、5)

输入和输出大小设置为零。在训练过程中，软件会根据训练数据调整这些数据的大小。

数据类型:单|双

训练函数名，指定为下列之一。