Autoencoder クラス

スーパークラス:

(削除予定) 自己符号化器クラス

Autoencoder は将来のリリースで削除される予定です。詳細については、Transition Legacy Neural Network Code to dlnetwork Workflowsを参照してください。

コードの更新に関するアドバイスについては、バージョン履歴を参照してください。

説明

Autoencoder オブジェクトには、符号化器と復号化器で構成される自己符号化器ネットワークが含まれます。符号化器は、入力を隠れ表現にマッピングします。復号化器は、この表現を元の入力に逆マッピングしようとします。

構築

autoenc = trainAutoencoder(X) は、X の学習データを使用して学習済みの自己符号化器を返します。

autoenc = trainAutoencoder(X,hiddenSize) は、隠れ表現のサイズが hiddenSize の自己符号化器を返します。

autoenc = trainAutoencoder(___,Name,Value) は、上記のいずれかの入力引数と、追加オプションとして指定される 1 つ以上の名前と値のペアの引数について、自己符号化器を返します。

入力引数

X — 学習データ

行列 | イメージ データの cell 配列

学習データ。学習サンプルの行列またはイメージ データの cell 配列として指定します。X が行列の場合、各列に 1 つのサンプルが含まれます。X がイメージ データの cell 配列の場合、各セルのデータの次元の数が同じでなければなりません。イメージ データは、グレー イメージのピクセル強度データにすることができます。この場合、各セルには m 行 n 列の行列が格納されます。または、イメージ データを RGB データにすることができます。この場合、各セルには m 行 n-3 列の行列が格納されます。

データ型: single | double | cell

hiddenSize — 自己符号化器の隠れ表現のサイズ

10 (既定値) | 正の整数値

自己符号化器の隠れ表現のサイズ。正の整数値として指定します。この数値は、隠れ層のニューロンの数になります。

データ型: single | double

プロパティ

HiddenSize — 隠れ表現のサイズ

正の整数値

自己符号化器の隠れ層の隠れ表現のサイズ。正の整数値として格納されます。

データ型: double

EncoderTransferFunction — 符号化器の伝達関数の名前

string

符号化器の伝達関数の名前。string として格納されます。

データ型: char

EncoderWeights — 符号化器の重み

行列

符号化器の重み。行列として格納されます。

データ型: double

EncoderBiases — 符号化器のバイアス値

ベクトル

符号化器のバイアス値。ベクトルとして格納されます。

データ型: double

DecoderTransferFunction — 復号化器の伝達関数の名前

string

復号化器の伝達関数の名前。string として格納されます。

データ型: char

DecoderWeights — 復号化器の重み

行列

復号化器の重み。行列として格納されます。

データ型: double

DecoderBiases — 復号化器のバイアス値

ベクトル

復号化器のバイアス値。ベクトルとして格納されます。

データ型: double

TrainingParameters — trainAutoencoder が自己符号化器の学習に使用するパラメーター

構造体

trainAutoencoder が自己符号化器の学習に使用するパラメーター。構造体として格納されます。

データ型: struct

ScaleData — 再スケーリングされるデータのインジケーター

true または 1 (既定値) | false または 0

自己符号化器に渡す際に再スケーリングされるデータのインジケーター。true または false として格納されます。

自己符号化器は、出力で入力を複製しようとします。これを可能にするには、入力データの範囲が復号化器の伝達関数の範囲と一致しなければなりません。trainAutoencoder は、自己符号化器の学習時に、この範囲に合わせて学習データを自動的にスケーリングします。自己符号化器の学習時にデータがスケーリングされた場合、predict、encode、および decode の各メソッドでもデータのスケーリングが行われます。

データ型: logical

メソッド

decode	(削除予定) 符号化されたデータの復号化
encode	(削除予定) 入力データの符号化
generateFunction	(削除予定) 自己符号化器を実行する MATLAB 関数の生成
generateSimulink	自己符号化器の Simulink モデルの生成
network	Autoencoder オブジェクトから network オブジェクトへの変換
plotWeights	(削除予定) 自己符号化器の符号化器の重みを可視化するプロット
predict	(削除予定) 学習済みの自己符号化器を使用した入力の再構成
stack	(削除予定) 複数の自己符号化器から集めた符号化器の積み重ね
view	(削除予定) 自己符号化器の表示

コピーのセマンティクス

値。値のクラスがコピー操作に及ぼす影響については、オブジェクトのコピーを参照してください。

バージョン履歴

R2015b で導入

R2026a: Autoencoder は削除予定

Autoencoder は将来のリリースで削除される予定です。

自己符号化器のワークフローの詳細については、以下の例とトピックを参照してください。

• ディープ ネットワーク デザイナーを使用したネットワークの構築

• 深層学習を使用した時系列異常検出

• Detect Anomalies Using Wavelet Scattering with Autoencoders

• 変分自己符号化器 (VAE) の学習によるイメージ生成

• List of Deep Learning Layer Blocks and Subsystems

• 深層学習ネットワークのコード生成

trainnet 関数またはカスタム学習ループを使用して、自己符号化器に学習させます。

これらのワークフロー用に独自のニューラル ネットワークを設計およびカスタマイズするには、深層学習層の配列または dlnetwork オブジェクトを使用してネットワークを作成します。ニューラル ネットワークの作成と編集を対話形式で行い、コードを生成するには、ディープ ネットワーク デザイナー アプリを使用します。層の一覧については、深層学習層の一覧を参照してください。

詳細については、Transition Legacy Neural Network Code to dlnetwork Workflowsを参照してください。

参考

trainnet | trainingOptions | dlnetwork

トピック

• Training Neural Networks with Tabular Data
• Training Neural Networks with Time Series Data
• Transition Legacy Neural Network Code to dlnetwork Workflows