文档

classificationLayer

创建一个分类输出层

语法

coutputlayer = classificationLayer ()
coutputlayer = classificationLayer(“名字”,名称)

描述

coutputlayer= classificationLayer ()返回一个分类神经网络输出层。输出层分类的名称损失函数的软件使用培训网络多层次分类、输出的大小,和类标签。

例子

coutputlayer= classificationLayer(“名字”,的名字)返回一个分类层与所指定的名称的名字

例子

全部折叠

创建一个分类输出层的名字“coutput”

coutputlayer = classificationLayer (“名字”,“coutput”)
coutputlayer = ClassificationOutputLayer属性:名称:“coutput”类名:{1×0细胞}OutputSize:‘汽车’Hyperparameters LossFunction:“crossentropyex”

的默认损失函数分类是交叉熵k美元互斥类。

输入参数

全部折叠

层的名称,指定为逗号分隔组成的的名字和一个特征向量。

例子:“名称”、“coutput”

数据类型:字符

输出参数

全部折叠

分类输出层,作为一个返回ClassificationOutputLayer对象。

有关连接的信息层构造卷积神经网络架构,明白了

更多关于

全部折叠

交叉熵函数k互斥类

多分类问题的软件分配每个输入的k互斥类。这种情况下的损失(错误)函数是1 -交叉熵函数k编码方案[1]:

E ( θ ) = = 1 n j = 1 k t j ln y j ( x , θ ) ,

在哪里 θ 是参数向量, t j 的指标吗样品属于jth类, y j ( x , θ ) 是输出样本吗。输出 y j ( x , θ ) 可以解释为的概率网络伙伴th输入与类j,也就是说, P ( t j = 1 | x )

输出单元激活函数softmax函数:

y r ( x ) = 经验值 ( 一个 r ( x ) ) j = 1 k 经验值 ( 一个 j ( x ) ) ,

在哪里 0 y r 1 j = 1 k y j = 1

引用

[1]主教,c . M。模式识别和机器学习。施普林格,纽约,纽约,2006年。

介绍了R2016a

这个主题有帮助吗?