plotWeights

クラス: Autoencoder

(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

plotWeights 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

plotWeights(autoenc)

h = plotWeights(autoenc)

説明

plotWeights(autoenc) は、自己符号化器 autoenc の重みを可視化します。

h = plotWeights(autoenc) は、自己符号化器 autoenc の符号器の重みを可視化するための関数ハンドル h 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。

出力引数

h — image オブジェクト

ハンドル

image オブジェクト。ハンドルとして返されます。

例

学習済みの特徴の可視化

学習データを読み込みます。

X = digitTrainCellArrayData;

学習データは 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。

25 個のニューロンが含まれる隠れ層を使用して自己符号化器に学習させます。

hiddenSize = 25;
autoenc = trainAutoencoder(X,hiddenSize, ...
  'L2WeightRegularization',0.004, ...
  'SparsityRegularization',4, ...
  'SparsityProportion',0.2);

学習済みの特徴を可視化します。

plotWeights(autoenc);

ヒント

• plotWeights を使用すると、自己符号化器が学習する特徴を可視化できます。これは、イメージ データに対して自己符号化器に学習させる場合に使用します。重みの可視化の次元は、学習に使用されるイメージの次元と同じになります。

バージョン履歴

R2015b で導入

R2026a: plotWeights は削除予定

plotWeights 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

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