Main Content

network

클래스: Autoencoder

Autoencoder 객체를 network 객체로 변환

설명

예제

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

입력 인수

모두 확장

훈련된 오토인코더로, Autoencoder 클래스의 객체로 반환됩니다.

출력 인수

모두 확장

오토인코더 autoenc와 같은 신경망으로, network 클래스의 객체로 반환됩니다.

예제

모두 확장

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);

{"String":"Figure Neural Network Training (24-Jul-2022 21:33:06) contains an object of type uigridlayout.","Tex":[],"LaTex":[]}

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 = 0.9996
S = 0.9981
B = 0.1245

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

실제 데이터와 피팅된 선을 플로팅합니다.

plotregression(X, Xpred);

{"String":"Figure Regression (plotregression) contains an axes object. The axes object with title : R=0.99964 contains 3 objects of type line. These objects represent Y = T, Fit, Data.","Tex":": R=0.99964","LaTex":[]}

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

버전 내역

R2015b에 개발됨