network

R2026b

클래스: Autoencoder

(제거될 예정임) Autoencoder 객체를 network 객체로 변환

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

코드 업데이트에 대한 자세한 지침은 버전 내역 항목을 참조하십시오.

구문

net = network(autoenc)

설명

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

입력 인수

autoenc — 훈련된 오토인코더

Autoencoder 객체

훈련된 오토인코더로, Autoencoder 객체로 지정됩니다.

출력 인수

net — 신경망

network 객체

오토인코더 autoenc와 같은 신경망으로, network 클래스의 객체로 반환됩니다.

예제

오토인코더에서 신경망 만들기

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);

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 = 
0.9982

B = 
0.1255

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

실제 데이터와 피팅된 선을 플로팅합니다.

plotregression(X, Xpred);

데이터가 피팅된 선 위에 있는 것처럼 보입니다. 이것은 예측값이 실제 데이터와 매우 비슷하는 결론을 뒷받침합니다.

버전 내역

R2015b에 개발됨

R2026a: network 함수는 제거될 예정임

network 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

자세한 내용은 레거시 신경망 코드를 dlnetwork 워크플로로 전환하기 항목을 참조하십시오.

참고 항목

시계열 모델러 | fitrnet (Statistics and Machine Learning Toolbox) | fitcnet (Statistics and Machine Learning Toolbox) | trainnet | trainingOptions | dlnetwork

도움말 항목

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