encode

クラス: Autoencoder

(削除予定) 入力データの符号化

encode 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。

構文

Z = encode(autoenc,Xnew)

説明

Z = encode(autoenc,Xnew) は、自己符号化器 autoenc を使用して、入力データ Xnew を符号化したデータ Z を返します。

入力引数

autoenc — 学習済みの自己符号化器

Autoencoder オブジェクト

学習済みの自己符号化器。Autoencoder オブジェクトとして指定します。

Xnew — 入力データ

行列 | イメージ データの cell 配列 | 1 つのイメージ データの配列

入力データ。サンプルの行列、イメージ データの cell 配列、または 1 つのイメージ データの配列として指定します。

各列が 1 つのサンプルを表す行列に対して自己符号化器 autoenc に学習させる場合、Xnew は各列が 1 つのサンプルを表す行列でなければなりません。

イメージの cell 配列に対して自己符号化器 autoenc に学習させる場合、Xnew はイメージ データの cell 配列または 1 つのイメージ データの配列でなければなりません。

データ型: single | double | cell

出力引数

Z — autoenc で符号化されたデータ

行列

autoenc で符号化されたデータ。行列として指定します。Z の各列は符号化されたサンプル (観測値) を表します。

データ型: single | double

例

新しいイメージの復号化されたデータの符号化

サンプル データを読み込みます。

X = digitTrainCellArrayData;

X は 1 行 5000 列の cell 配列です。各セルには、手書きの数字の合成イメージを表す 28 行 28 列の行列が含まれます。

学習データを使用して、隠れサイズが 50 の自己符号化器に学習させます。

autoenc = trainAutoencoder(X,50);

新しいイメージ データの復号化されたデータを符号化します。

Xnew = digitTestCellArrayData;
Z = encode(autoenc,Xnew);

Xnew は 1 行 5000 列の cell 配列です。Z は 50 行 5000 列の行列で、各列は新しいデータ Xnew にある 1 つの手書き数字のイメージ データを表します。

アルゴリズム

自己符号化器への入力がベクトル $$x\in {ℝ}^{D_x}$$ である場合、符号化器は以下のようにベクトル x を別のベクトル $$z\in {ℝ}^{D^{\left(1\right)}}$$ にマッピングします。

$$z=h^{{}^{\left(1\right)}}\left(W^{\left(1\right)}x+b^{\left(1\right)}\right),$$

ここで、上付き文字 (1) は最初の層を示します。$$h^{\left(1\right)}:{ℝ}^{D^{\left(1\right)}}\to {ℝ}^{D^{\left(1\right)}}$$ は符号化器の伝達関数、$$W^{\left(1\right)}\in {ℝ}^{D^{\left(1\right)}\times D_{{}^x}}$$ は重み行列、$$b^{\left(1\right)}\in {ℝ}^{D^{\left(1\right)}}$$ はバイアス ベクトルです。

バージョン履歴

R2015b で導入

R2026a: encode は削除予定

encode 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

dlnetwork オブジェクトとして指定された自己符号化器の場合、入力データを符号化するには、predict 関数を使用し、Outputs 引数を符号化を出力する層に設定します。

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

参考

時系列モデラー | fitrnet (Statistics and Machine Learning Toolbox) | fitcnet (Statistics and Machine Learning Toolbox) | 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