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。

predict

R2026a

クラス: Autoencoder

(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

predict 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

Y = predict(autoenc,X)

説明

Y = predict(autoenc,X) は、自己符号化器 autoenc を使用して、入力データ X の予測 Y を返します。結果 Y は X の再構成です。

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

Y — 入力データ Xnew の予測

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 Xnew の予測。イメージ データの行列または cell 配列として返されます。

• Xnew が行列の場合、Y も行列になります。ここで、各列は 1 つのサンプル (観測値または例) に対応します。

• Xnew がイメージ データの cell 配列の場合、Y もイメージ データの cell 配列になります。各セルには 1 つのイメージのデータが含まれます。

• Xnew が 1 つのイメージ データの配列の場合、Y も 1 つのイメージ データの配列になります。

例

学習済みの自己符号化器を使用した連続的な測定値の予測

学習データを読み込みます。

X = iris_dataset;

学習データには、アヤメの花に関する次の 4 つの属性の測定値が含まれています。がく片の長さ、萼片の幅、花弁の長さ、花弁の幅。

符号化器の正の飽和線形伝達関数および複号化器の線形伝達関数を使用して、学習データに対して自己符号化器に学習させます。

autoenc = trainAutoencoder(X,'EncoderTransferFunction',...
'satlin','DecoderTransferFunction','purelin');

学習済みのネットワーク autoenc を使用して測定値を再構成します。

xReconstructed = predict(autoenc,X);

予測した測定値を学習データセットの実際の値と共にプロットします。

for i = 1:4
h(i) = subplot(1,4,i);
plot(X(i,:),'r.');
hold on 
plot(xReconstructed(i,:),'go');
hold off;
end
title(h(1),{'Sepal';'Length'});
title(h(2),{'Sepal';'Width'});
title(h(3),{'Petal';'Length'});
title(h(4),{'Petal';'Width'});

赤い点は学習データ、緑の円は再構成されたデータを表します。

バージョン履歴

R2015b で導入

R2026a: predict は削除予定

predict 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、predict 関数と minibatchpredict 関数を使用して予測を行います。

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