competlayer

R2026b

(제거될 예정임) 경쟁 계층

competlayer 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

competlayer(numClasses,kohonenLR,conscienceLR)


설명

경쟁 계층은 입력 벡터를 지정된 개수만큼의 클래스로 분류하는 방법을 학습하며, 이때 벡터 간의 유사성에 따라 가급적 각 클래스에 동일한 개수의 벡터가 포함되도록 분류합니다.

competlayer(numClasses,kohonenLR,conscienceLR)은 다음과 같은 인수를 받습니다.

numClasses	입력값을 분류할 클래스의 개수(디폴트 값 = 5)
kohonenLR	Kohonen 가중치의 학습률(디폴트 값 = 0.01)
conscienceLR	양심(conscience) 편향의 학습률(디폴트 값 = 0.001)

그런 다음 numClasses개의 뉴런을 갖는 경쟁 계층을 반환합니다.

예제

경쟁 계층을 만들고 훈련시키기

이 예제에서는 150개의 붓꽃을 6개의 클래스로 분류하도록 경쟁 계층을 훈련시키는 방법을 보여줍니다.

inputs = iris_dataset;
net = competlayer(6);
net = train(net,inputs);

view(net)

outputs = net(inputs);
classes = vec2ind(outputs);

버전 내역

R2010b에 개발됨

R2026a: competlayer 함수는 제거될 예정임

competlayer 함수는 향후 릴리스에서 제거될 예정입니다.

테이블 형식 데이터를 사용하여 신경망을 훈련시키려면 다음 함수 중 하나를 사용하십시오.

• fitrnet (Statistics and Machine Learning Toolbox) — 회귀 신경망을 훈련시킵니다. 단순 회귀 작업에 이 함수를 사용하십시오.

• fitcnet (Statistics and Machine Learning Toolbox) — 분류 신경망을 훈련시킵니다. 단순 분류 작업에 이 함수를 사용하십시오.

• trainnet — 신경망을 훈련시킵니다. fitrnet 함수와 fitcnet 함수가 작업에 필요한 훈련 옵션을 제공하지 않는 경우 이 함수를 사용하십시오.

시계열 데이터를 사용하여 신경망을 훈련시키려면 다음 옵션 중 하나를 사용하십시오.

• 시계열 모델러 앱 — 시계열 데이터를 위한 신경망을 대화형 방식으로 설계하고 훈련시킵니다.

• trainnet — 신경망을 훈련시킵니다. 신경망 아키텍처나 훈련 알고리즘에 더 많은 유연성이 필요한 경우 이 함수를 사용하십시오.

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. 신경망 구축 워크플로에 대해 자세히 알아보려면 다음 예제와 항목을 참조하십시오.

• 심층 신경망 디자이너를 사용하여 신경망 구축하기

• 딥러닝 계층 목록

• Example Deep Learning Network Architectures

• 다중 입력 및 다중 출력 신경망

• 사용자 지정 딥러닝 계층 정의하기

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