configure

R2026b

(제거될 예정임) 입력 및 목표 데이터에 가장 잘 맞도록 신경망의 입력값과 출력값 구성

configure 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 = configure(net,x,t)

net = configure(net,x)

net = configure(net,'inputs',x,i)

net = configure(net,'outputs',t,i)

설명

net = configure(net,x,t)는 입력 데이터 x와 목표 데이터 t를 받아서 이에 잘 맞도록 신경망의 입력값과 출력값을 구성합니다.

구성이란 신경망의 입력값과 출력값의 크기와 범위, 입력값 전처리 설정, 출력값 후처리 설정 및 가중치 초기화 설정을 입력 및 목표 데이터에 맞게 설정하는 과정입니다.

구성은 신경망의 가중치와 편향을 초기화하기 전에 이루어져야 합니다. 구성되지 않은 신경망은 train이 최초로 호출될 때 자동으로 구성되고 초기화됩니다. 또는 이 함수를 호출하거나 신경망의 입력값 및 출력값의 크기와 범위, 처리 설정, 초기화 설정 속성을 수동으로 설정하여 신경망을 수동으로 구성할 수도 있습니다.

net = configure(net,x)는 입력값만 구성합니다.

net = configure(net,'inputs',x,i)는 인덱스 벡터 i를 통해 지정되는 입력값을 구성합니다. i를 지정하지 않으면 모든 입력값이 구성됩니다.

net = configure(net,'outputs',t,i)는 인덱스 벡터 i를 통해 지정되는 출력값을 구성합니다. i를 지정하지 않으면 모든 목표 데이터가 구성됩니다.

예제

configure로 신경망 구성하기

이 예제에서는 간단한 피팅 문제를 풀기 위해 train 함수를 사용하는 대신 수동으로 신경망을 구성하는 방법을 보여줍니다.

[x,t] = simplefit_dataset;
net = feedforwardnet(20); 
view(net)

net = configure(net,x,t); 
view(net)

입력 인수

net — 구성할 신경망

network 객체

입력 신경망으로, network 객체로 지정됩니다. network 객체를 만들려면 feedforwardnet 또는 narxnet 등을 사용하십시오.

x — 입력 데이터

행렬

신경망 입력값으로, 행렬로 지정됩니다.

t — 목표 데이터

행렬

신경망 목표값으로, 행렬로 지정됩니다.

i — 인덱스 벡터

벡터

구성하려는 입력값과 출력값의 인덱스로, 벡터로 지정됩니다.

출력 인수

net — 구성된 신경망

network 객체

구성된 신경망으로, network 객체로 반환됩니다.

버전 내역

R2010b에 개발됨

R2026a: configure 함수는 제거될 예정임

configure 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

trainnet 함수는 신경망의 학습 가능한 파라미터를 자동으로 초기화합니다. 사용자 지정 훈련 루프를 위해 dlnetwork 객체의 학습 가능한 파라미터를 초기화하려면 initialize 함수를 사용하십시오.

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