sigmoidLayer

시그모이드 계층

R2020b 이후

설명

시그모이드 계층은 출력값의 범위가 구간 (0,1)로 지정되도록 입력값에 시그모이드 함수를 적용합니다.

팁

이진 분류 문제 또는 다중 레이블 분류 문제에 시그모이드 계층을 사용하려면 trainnet의 손실 함수 인수를 "binary-crossentropy"로 설정하십시오.

생성

구문

layer = sigmoidLayer

layer = sigmoidLayer('Name',Name)

설명

layer = sigmoidLayer는 시그모이드 계층을 만듭니다.

layer = sigmoidLayer('Name',Name)은 시그모이드 계층을 만들고 이름-값 쌍 인수를 사용하여 선택적 속성인 Name을 설정합니다. 예를 들어, sigmoidLayer('Name','sig1')은 이름이 'sig1'인 시그모이드 계층을 만듭니다. 속성 이름을 작은따옴표로 묶습니다.

속성

Name — 계층 이름

"" (디폴트 값) | 문자형 벡터 | string형 스칼라

계층 이름으로, 문자형 벡터 또는 string형 스칼라로 지정됩니다. Layer 배열 입력값에 대해 trainnet 및 dlnetwork 함수는 이름이 ""인 계층에 자동으로 이름을 할당합니다.

SigmoidLayer 객체는 이 속성을 문자형 벡터로 저장합니다.

데이터형: char | string

NumInputs — 입력값의 개수

1 (디폴트 값)

읽기 전용 속성입니다.

계층에 대한 입력값의 개수로, 1로 반환됩니다. 이 계층은 단일 입력값만 받습니다.

데이터형: double

InputNames — 입력값 이름

{'in'} (디폴트 값)

읽기 전용 속성입니다.

입력값 이름으로, {'in'}으로 반환됩니다. 이 계층은 단일 입력값만 받습니다.

데이터형: cell

NumOutputs — 출력값 개수

1 (디폴트 값)

읽기 전용 속성입니다.

계층의 출력값 개수로, 1로 반환됩니다. 이 계층은 단일 출력값만 가집니다.

데이터형: double

OutputNames — 출력값 이름

{'out'} (디폴트 값)

읽기 전용 속성입니다.

출력값 이름으로, {'out'}으로 반환됩니다. 이 계층은 단일 출력값만 가집니다.

데이터형: cell

예제

시그모이드 계층 만들기

이름이 'sig1'인 시그모이드 계층을 만듭니다.

layer = sigmoidLayer('Name', 'sig1')

layer = 
  SigmoidLayer with properties:

    Name: 'sig1'

   Learnable Parameters
    No properties.

   State Parameters
    No properties.

Use properties method to see a list of all properties.

알고리즘

시그모이드 계층

시그모이드 계층은 출력값의 범위가 구간 (0,1)로 지정되도록 입력값에 시그모이드 함수를 적용합니다.

이 연산은 다음과 동일합니다.

$$f(x)=\frac{1}{1+e^{-x}}.$$

다중 레이블 분류 문제는 이진 분류 문제로 생각할 수 있으며, 이때 각 클래스는 다른 클래스와 독립적으로 존재하거나 존재하지 않는 것으로 간주됩니다. 이러한 유형의 문제를 풀려면 시그모이드 활성화 함수가 필요하며 임의의 샘플 x_n에 대해 클래스 C_k의 사후 확률은 다음과 같습니다.

$$\text{P(}{C}_k|x_n)=\frac{1}{1+e^{-a_k}}.$$

값 a_k는 클래스 k에 연결된 모든 유닛의 가중 합입니다. 다중 레이블 분류를 수행하려면 시그모이드 계층 뒤에 사용자 지정된 이진 교차 엔트로피 손실 계층이 와야 합니다.

계층 입력 형식 및 출력 형식

계층 배열 또는 계층 그래프의 계층은 뒤에 오는 계층에 데이터를 전달할 때 형식이 지정된 dlarray 객체로 전달합니다. dlarray 객체의 형식은 문자들로 구성된 문자열로, 각 문자는 데이터의 대응되는 차원을 설명합니다. 형식은 다음 문자 중 하나 이상으로 구성됩니다.

• "S" — 공간

• "C" — 채널

• "B" — 배치

• "T" — 시간

• "U" — 지정되지 않음

4차원 배열로 표현되는 2차원 영상 데이터를 예로 들면 처음 2개 차원은 영상의 공간 차원, 3번째 차원은 영상의 채널, 4번째 차원은 배치 차원에 대응되며, "SSCB"(공간, 공간, 채널, 배치) 형식으로 설명될 수 있습니다.

SigmoidLayer 객체는 요소별 연산을 적용하고 모든 형식의 입력 데이터를 지원합니다. 계층은 차원을 추가하거나 제거하지 않으므로 입력값과 같은 형식을 갖는 데이터를 출력합니다.

확장 기능

C/C++ 코드 생성
MATLAB® Coder™를 사용하여 C 코드나 C++ 코드를 생성할 수 있습니다.

GPU 코드 생성
GPU Coder™를 사용하여 NVIDIA® GPU용 CUDA® 코드를 생성할 수 있습니다.

버전 내역

R2020b에 개발됨

참고 항목

trainnet | trainingOptions | dlnetwork | convolution2dLayer | tanhLayer | softmaxLayer

도움말 항목

• 분류를 수행하는 간단한 딥러닝 신경망 만들기
• 회귀를 위해 컨벌루션 신경망 훈련시키기
• MATLAB의 딥러닝
• 딥러닝 계층 목록