Autoencoder 클래스

R2026b

슈퍼클래스:

(제거될 예정임) Autoencoder 클래스

Autoencoder 함수는 향후 릴리스에서 제거될 예정입니다. 자세한 내용은 레거시 신경망 코드를 dlnetwork 워크플로로 전환하기 항목을 참조하십시오.

코드 업데이트에 대한 자세한 지침은 버전 내역 항목을 참조하십시오.

설명

Autoencoder 객체는 인코더와 디코더로 구성된 오토인코더 신경망을 포함합니다. 인코더는 입력값을 은닉 표현으로 매핑합니다. 디코더는 이 표현을 다시 원래 입력값으로 매핑하려고 시도합니다.

생성

autoenc = trainAutoencoder(X)는 X의 훈련 데이터를 사용하여 훈련된 오토인코더를 반환합니다.

autoenc = trainAutoencoder(X,hiddenSize)는 은닉 표현 크기가 hiddenSize인 오토인코더를 반환합니다.

autoenc = trainAutoencoder(___,Name,Value)는 위에 열거된 입력 인수와 하나 이상의 이름-값 쌍 인수로 지정된 추가 옵션에 대해 오토인코더를 반환합니다.

입력 인수

X — 훈련 데이터

행렬 | 영상 데이터로 구성된 셀형 배열

훈련 데이터로, 훈련 샘플로 구성된 행렬 또는 영상 데이터로 구성된 셀형 배열로 지정됩니다. X가 행렬인 경우, 각 열에는 하나의 샘플이 있습니다. X가 영상 데이터로 구성된 셀형 배열인 경우, 각 셀의 데이터는 차원 수가 같아야 합니다. 영상 데이터는 회색조 영상의 픽셀 명암 값일 수 있으며, 이 경우 각 셀에는 하나의 m×n 행렬이 있습니다. 영상 데이터는 RGB 데이터일 수도 있으며, 이 경우 각 셀에는 하나의 m×n×3 행렬이 있습니다.

데이터형: single | double | cell

hiddenSize — 오토인코더의 은닉 표현 크기

10 (디폴트 값) | 양의 정수 값

오토인코더의 은닉 표현 크기로, 양의 정수 값으로 지정됩니다. 이 수치는 은닉 계층에 있는 뉴런의 개수입니다.

데이터형: single | double

속성

HiddenSize — 은닉 표현의 크기

양의 정수 값

오토인코더의 은닉 계층에 있는 은닉 표현의 크기로, 양의 정수 값으로 저장됩니다.

데이터형: double

EncoderTransferFunction — 인코더에 대한 전달 함수의 이름

string형

인코더에 대한 전달 함수의 이름으로, string형으로 저장됩니다.

데이터형: char

EncoderWeights — 인코더에 대한 가중치

행렬

인코더에 대한 가중치로, 행렬로 저장됩니다.

데이터형: double

EncoderBiases — 인코더에 대한 편향 값

벡터

인코더에 대한 편향 값으로, 벡터로 저장됩니다.

데이터형: double

DecoderTransferFunction — 디코더에 대한 전달 함수의 이름

string형

디코더에 대한 전달 함수의 이름으로, string형으로 저장됩니다.

데이터형: char

DecoderWeights — 디코더에 대한 가중치

행렬

디코더에 대한 가중치로, 행렬로 저장됩니다.

데이터형: double

DecoderBiases — 디코더에 대한 편향 값

벡터

디코더에 대한 편향 값으로, 벡터로 저장됩니다.

데이터형: double

TrainingParameters — trainAutoencoder가 오토인코더 훈련에 사용하는 파라미터

구조체

trainAutoencoder가 오토인코더 훈련에 사용하는 파라미터로, 구조체로 저장됩니다.

데이터형: struct

ScaleData — 다시 스케일링된 데이터를 나타내는 표시자

true 또는 1 (디폴트 값) | false 또는 0

오토인코더로 전달할 때 다시 스케일링된 데이터를 나타내는 표시자로, true 또는 false로 저장됩니다.

오토인코더는 출력값으로 입력값과 똑같은 값을 만들어내려는 시도를 합니다. 이것이 가능하려면 입력 데이터의 범위가 디코더에 대한 전달 함수의 범위와 일치해야 합니다. trainAutoencoder는 오토인코더를 훈련시킬 때 훈련 데이터를 자동으로 이 범위로 스케일링합니다. 오토인코더를 훈련시킬 때 데이터가 스케일링된 경우, predict, encode, decode 메서드도 데이터를 스케일링합니다.

데이터형: logical

메서드

decode	(제거될 예정임) 인코딩된 데이터 디코딩
encode	입력 데이터 인코딩
generateFunction	(제거될 예정임) 오토인코더를 실행하는 MATLAB 함수 생성
generateSimulink	(제거될 예정임) 오토인코더의 Simulink 모델 생성
network	(제거될 예정임) Autoencoder 객체를 network 객체로 변환
plotWeights	(제거될 예정임) 오토인코더의 인코더에 대한 가중치 시각화 결과 플로팅
predict	(제거될 예정임) 훈련된 오토인코더를 사용하여 입력값 재생성
stack	(제거될 예정임) 여러 오토인코더의 인코더들을 한꺼번에 누적
view	오토인코더 보기

복사 의미 체계

값입니다. 값 클래스가 복사 작업에 미치는 영향에 대한 내용은 객체 복사를 참조하십시오.

버전 내역

R2015b에 개발됨

R2026a: Autoencoder 함수는 제거될 예정임

Autoencoder 함수는 향후 릴리스에서 제거될 예정입니다.

오토인코더 워크플로에 대해 자세히 알아보려면 다음 예제와 항목을 참조하십시오.

• 심층 신경망 디자이너를 사용하여 신경망 구축하기

• Time Series Anomaly Detection Using Deep Learning

• Detect Anomalies Using Wavelet Scattering with Autoencoders

• 변분 오토인코더(VAE)를 훈련시켜 영상 생성하기

• List of Deep Learning Layer Blocks and Subsystems

• 딥러닝 신경망을 위한 코드 생성

trainnet 함수 또는 사용자 지정 훈련 루프를 사용하여 오토인코더를 훈련시킵니다.

이러한 워크플로에 맞게 고유한 신경망을 설계하고 사용자 지정하려면 딥러닝 계층으로 구성된 배열이나 dlnetwork 객체를 사용하여 신경망을 만들면 됩니다. 신경망을 대화형 방식으로 생성 및 편집하고 코드를 생성하려면 심층 신경망 디자이너 앱을 사용하십시오. 계층 목록은 딥러닝 계층 목록 항목을 참조하십시오.

자세한 내용은 레거시 신경망 코드를 dlnetwork 워크플로로 전환하기 항목을 참조하십시오.

참고 항목

trainnet | trainingOptions | dlnetwork

도움말 항목

• Training Neural Networks with Tabular Data
• Training Neural Networks with Time Series Data
• 레거시 신경망 코드를 dlnetwork 워크플로로 전환하기