このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

network

クラス: Autoencoder

Autoencoder オブジェクトから network オブジェクトへの変換

構文

net = network(autoenc)

説明

net = network(autoenc) は、自己符号化器 autoenc と等価なネットワーク オブジェクトを返します。

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 クラスのオブジェクトとして返されます。

出力引数

net — ニューラル ネットワーク

network オブジェクト

自己符号化器 autoenc と等価なニューラル ネットワーク。network クラスのオブジェクトとして返されます。

例

自己符号化器からのネットワークの作成

サンプル データを読み込みます。

X = bodyfat_dataset;

X は、252 個の異なる観測値の 13 個の属性を定義する 13 行 252 列の行列です。データの詳細を表示するには、コマンド ラインで help bodyfat_dataset と入力します。

属性データに対して自己符号化器に学習させます。

autoenc = trainAutoencoder(X);

自己符号化器 autoenc からネットワーク オブジェクトを作成します。

net = network(autoenc);

ネットワーク net を使用して属性を予測します。

Xpred = net(X);

実際の属性データと推定された属性データの間に線形回帰モデルを当てはめます。すべての属性データを 1 つのデータ セットとして使用して、回帰モデルの推定されたピアソン相関係数、傾き、および切片 (バイアス) を計算します。

[C, S, B] = regression(X, Xpred, 'one')

C = 
0.9996

S = 
0.9981

B = 
0.1245

相関係数は 1 に近くなります。これは、属性データとニューラル ネットワークからの推定が互いによく似ていることを示します。

実際のデータと近似直線をプロットします。

plotregression(X, Xpred);

近似直線上にデータが表示されます。これにより、予測が実際のデータによく似ているという結論が視覚的に裏付けられます。

バージョン履歴

R2015b で導入

参考

trainAutoencoder | Autoencoder