Classes — 출력 계층의 클래스 'auto' (디폴트 값) | categorical형 벡터 | string형 배열 | 문자형 벡터로 구성된 셀형 배열
출력 계층의 클래스로, categorical형 벡터, string형 배열, 문자형 벡터로 구성된 셀형 배열 또는 'auto'로 지정됩니다. Classes가 'auto'인 경우, 소프트웨어가 훈련 시점에 자동으로 클래스를 설정합니다. string형 배열 또는 문자형 벡터로 구성된 셀형 배열 str을 지정하면, 출력 계층의 클래스가 categorical(str,str)로 설정됩니다. 디폴트 값은 'auto'입니다.
데이터형: char | categorical | string | cell
OutputSize — 출력 크기 'auto' (디폴트 값) | 양의 정수
이 속성은 읽기 전용입니다.
출력 크기로, 양의 정수로 지정됩니다. 이 값은 데이터에 있는 레이블의 개수입니다. 훈련 전에는 출력 크기가 'auto'로 설정됩니다.
LossFunction — 훈련에 대한 손실 함수 'crossentropyex'
이 속성은 읽기 전용입니다.
훈련에 대한 손실 함수로, Cross Entropy Function for k Mutually Exclusive Classes(k개의 상호 배타적인 클래스에 대한 교차 엔트로피 함수)를 나타내는 'crossentropyex'로 지정됩니다.
계층
Name — 계층 이름 '' (디폴트 값) | 문자형 벡터 | string형 스칼라
계층 이름으로, 문자형 벡터 또는 string형 스칼라로 지정됩니다. 계층 그래프에 계층을 포함하려면 비어 있지 않은 고유한 계층 이름을 지정해야 합니다. 이 계층을 사용하여 시리즈 신경망을 훈련시킬 때 Name을 ''로 설정하면, 소프트웨어가 훈련 시점에 해당 계층에 자동으로 이름을 할당합니다.
분류 계층은 상호 배타적인 클래스를 갖는 다중 클래스 분류 문제에 대해 교차 엔트로피 손실을 계산합니다.
일반적인 분류 신경망에서 분류 계층은 소프트맥스 계층 뒤에 와야 합니다. 분류 계층에서 trainNetwork는 다음과 같이 소프트맥스 함수에서 값을 가져와서 1-of-K 코딩 체계에 대한 교차 엔트로피 함수를 사용하여 각 입력값을 K개의 상호 배타적인 클래스 중 하나에 할당합니다[1].
여기서 N은 샘플의 개수이고, K는 클래스의 개수이고, 는 i번째 샘플이 j번째 클래스에 속한다는 표시자이고, 는 클래스 j의 샘플 i에 대한 출력값인데, 이 경우에는 소프트맥스 함수에서 가져온 값이 됩니다. 즉, 이것은 신경망이 i번째 입력값을 클래스 j에 연결할 확률입니다.
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.