network

클래스: Autoencoder

Autoencoder 객체를 network 객체로 변환

페이지 내 모두 확장

구문

net = network(autoenc)

설명

예제

net = network(autoenc)는 오토인코더 autoenc와 같은 network 객체를 반환합니다.

입력 인수

모두 확장

`autoenc` — 훈련된 오토인코더
`Autoencoder` 객체

훈련된 오토인코더로, Autoencoder 클래스의 객체로 반환됩니다.

출력 인수

모두 확장

`net` — 신경망
`network` 객체

오토인코더 autoenc와 같은 신경망으로, network 클래스의 객체로 반환됩니다.

예제

모두 확장

오토인코더에서 신경망 만들기

라이브 스크립트 열기

샘플 데이터를 불러옵니다.

X = bodyfat_dataset;

X는 252개의 다양한 관찰값의 13가지 특성을 정의하는 13×252 행렬입니다. 이 데이터에 대한 자세한 내용을 보려면 명령줄에 help bodyfat_dataset을 입력하십시오.

특성 데이터에 대해 오토인코더를 훈련시킵니다.

autoenc = trainAutoencoder(X);

Figure Neural Network Training (30-Jan-2023 13:04:37) contains an object of type uigridlayout.

오토인코더 autoenc에서 network 객체를 만듭니다.

net = network(autoenc);

신경망 net을 사용하여 특성을 예측합니다.

Xpred = net(X);

실제 특성 데이터와 예측 특성 데이터 사이의 선형 회귀 모델을 피팅합니다. 모든 특성 데이터를 하나의 데이터 세트로 사용하여 회귀 모델의 추정된 피어슨 상관 계수, 기울기와 절편(편향)을 계산합니다.

[C, S, B] = regression(X, Xpred, 'one')

C = 0.9997

S = 0.9980

B = 0.1145

상관 계수가 1에 가까운 것을 볼 수 있는데, 이것은 특성 데이터와 신경망의 추정값이 서로 비슷함을 나타냅니다.

실제 데이터와 피팅된 선을 플로팅합니다.

plotregression(X, Xpred);

Figure Regression (plotregression) contains an axes object. The axes object with title : R=0.99968, xlabel Target, ylabel Output ~= 1*Target + 0.11 contains 3 objects of type line. One or more of the lines displays its values using only markers These objects represent Y = T, Fit, Data.