plotWeights

R2026b

클래스: Autoencoder

(제거될 예정임) 오토인코더의 인코더에 대한 가중치 시각화 결과 플로팅

plotWeights 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

plotWeights(autoenc)

h = plotWeights(autoenc)

설명

plotWeights(autoenc)는 오토인코더 autoenc에 대한 가중치를 시각화합니다.

h = plotWeights(autoenc)는 오토인코더 autoenc에 대한 인코더 가중치를 시각화한 결과를 함수 핸들 h로 반환합니다.

입력 인수

autoenc — 훈련된 오토인코더

Autoencoder 객체

훈련된 오토인코더로, Autoencoder 객체로 지정됩니다.

출력 인수

h — Image 객체

핸들

Image 객체로, 핸들로 반환됩니다.

예제

학습된 특징 시각화하기

훈련 데이터를 불러옵니다.

X = digitTrainCellArrayData;

훈련 데이터는 각 셀에 손으로 쓴 숫자를 표현한 합성 영상을 나타내는 28×28 행렬이 있는 1×5,000 셀형 배열입니다.

25개의 뉴런을 포함하는 은닉 계층 1개를 갖는 오토인코더를 훈련시킵니다.

hiddenSize = 25;
autoenc = trainAutoencoder(X,hiddenSize, ...
  'L2WeightRegularization',0.004, ...
  'SparsityRegularization',4, ...
  'SparsityProportion',0.2);

학습된 특징을 시각화합니다.

plotWeights(autoenc);

팁

• plotWeights를 사용하면 오토인코더가 학습하는 특징을 시각화할 수 있습니다. 오토인코더가 영상 데이터에 대해 훈련된 경우 이 함수를 사용하십시오. 가중치에 대한 시각화 결과는 훈련에 사용된 영상과 차원이 같습니다.

버전 내역

R2015b에 개발됨

R2026a: plotWeights 함수는 제거될 예정임

plotWeights 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